基于内容多媒体应用的语义视频对象提取及评价

摘要

本文提出了一种客观的存在参考分割时分割算法评价方法.视频分割算法往往只适合特定的应用,其性能依赖于具体的序列.目前,视频分割算法的性能评价以对已知序列的分割结果的主观评价为主,尚没有一种广泛接受的客观评价方法.视频分割算法的评价是重要的,它有助于针对具体的应用选取合适的算法并设置恰当的参数,以及有利于通过融合各种算法的优点发展新的算法;而且,自动分割算法采用性能评价作反馈可改进分割性能.空间精确度通过相对前景面积、位置、边界像素距离以及像素分类来进行,并将其按对人类视觉系统的重要性线性加权.而时间一致性反映分割算法分割各帧时的稳定性,它通过空间准确度的变化来刻画.实验证明,其评价结果与主观评价结果一致,而且计算量小.

目录

文摘

英文文摘

说明

原创性声明及本论文使用授权说明

第一章绪论

1.1问题背景

1.2视频对象分割的综述

1.2.1视频分割与图像分割的关系

1.2.2视频对象分割算法的分类

1.2.3研究现状及存在的问题

1.3论文研究的内容

1.4论文的主要贡献及结构

1.5本章小结

第二章视频对象分割基础

2.1数学形态学

2.1.1二值形态学的基本运算

2.1.2灰度数学形态学

2.1.3形态学图像处理

2.2图像分割

2.2.1色度空间的直方图阈值

2.2.2色度空间聚类

2.2.3分裂合并

2.2.4分水岭变换

2.3运动估计

2.3.1二维运动和表征运动

2.3.2光流场法

2.3.3位移矢量场估计

2.4对象跟踪

2.4.1活动轮廓模型

2.4.2豪斯多夫对象跟踪

2.4.3变化检测

2.4.4卡尔曼滤波器对象跟踪

2.5本章小结

第三章全自动视频对象分割

3.1基于背景记录和变化检测的全自动分割算法

3.1.1算法概述

3.1.2算法实现

3.1.3实验结果

3.2基于小波分解和分水岭变换的分割算法

3.2.1算法原理

3.2.2时间分割

3.2.3空间分割

3.2.4时、空分割融合

3.2.5仿真结果分析

3.3本章小结

第四章半自动视频对象分割算法

4.1半自动分割算法概述

4.2半自动视频分割算法

4.2.1算法概述

4.2.2初始对象轮廓提取

4.2.3对象跟踪

4.2.4实验结果

4.3本章小结

第五章基于细胞神经网络的视频对象分割算法

5.1细胞神经网络

5.1.1简介

5.1.2细胞神经网络的开发工具

5.1.3细胞神经网络在图像和视频处理方面的研究现状

5.2针对头肩序列的视频对象分割算法

5.2.1头肩序列的特点

5.2.2视频分割算法

5.2.3分割算法的CNN实现及实验结果

5.3 CNN模板的设计方法简介

5.4本章小结

第六章视频分割算法的性能评价

6.1视频分割算法的性能评价概述

6.2分割评价现状

6.3客观性能评价方法

6.3.1空间准确度

6.3.2时间一致性

6.3.3实验结果

6.3.4不同的评价标准的执行效率比较

6.4本章小结

第七章结论及进一步工作

7.1论文工作总结

7.2进一步的工作

参考文献

附录1实验所用到的MPEG-4测试序列

附录2缩略语汇表

攻读博士学位期间发表的学术论文

致谢