基于轮廓编组计算模型的运动目标提取研究

摘要

轮廓编组计算模型以边缘片段为编组元，以获取具有明确视觉意义的目标轮廓为主要任务，是一种非常重要且极具研究价值的知觉组织计算模型。以此为基础研究图像序列中显著运动目标的提取，能够更好地引入知觉组织原则，为后续的目标识别、场景理解等提供更为准确、简洁的输入，具有重要的理论价值和实际意义。
　　本文在轮廓编组计算模型的研究基础上，探讨了编组元的时空特征描述和运动目标闭合轮廓的显著性，提出了基于显著性和运动一致性的轮廓编组算法。在此基础上实现了图像序列中的运动目标的提取。本文的主要工作如下:
　　(1)研究了图像序列中边缘片段的运动特征，提出了基于全局运动对比度的编组元优化算法。该算法利用编组元邻域的运动特征有效地区分了目标边缘片段和非目标边缘片段，不仅降低了编组元的规模，而且提高了编组元的质量。在数据集上的编组元提取实验表明，与现有编组元提取算法比较，本文算法所获取的编组元能够获得更优的编组结果。
　　(2)研究了图像序列中的运动目标区域的显著性。从轮廓编组的显著性定义出发，研究了区域运动显著性对于轮廓编组的影响，提出了基于运动显著性的轮廓编组算法。将运动显著性区域作为边缘片段连接的约束，抑制了非显著区域对于轮廓编组的影响。实验表明，与现有轮廓编组算法比较，该算法能提高图像序列中运动目标轮廓提取的质量。
　　(3)研究了目标区域的运动特点，提出了基于区域运动一致性的轮廓编组算法。在编组代价函数中引入了区域运动一致性约束并通过优化算法提取出显著闭合轮廓。实验表明，该算法能够提高图像序列中运动目标轮廓提取的质量。

目录

声明

致谢

摘要

1 引言

1．1 国内外研究现状

1．1．1 轮廓编组计算模型

1．1．2 目标提取的发展与现状

1．2 论文的主要内容及创新点

1．2．1 论文的主要研究内容

1．2．2 论文的主要特色及创新点

1．3 论文组织结构

2 相关工作

2．1 运动特征提取

2．1．1 变分光流法模型

2．1．2 LDOF光流模型

2．1．3 跟踪点轨迹的提取

2．2 边缘片段提取

2．2．1 边缘提取算法

2．2．2 边缘片段提取算法

2．3 基于轮廓编组的目标提取算法

2．4 本章小结

3 基于全局运动对比度的轮廓编组元提取算法

3．1 基于运动特征的轮廓编组元相似度定义

3．1．1 边缘片段的邻域

3．1．2 区域运动相似度

3．1．3 边缘片段运动相似度

3．2 基于全局运动对比度的轮廓编组元提取算法

3．2．1 基于全局运动对比度最大的F-G边缘片段提取

3．2．2 轮廓编组元提取算法

3．3 实验结果与对比

3．4 本章小结

4 基于运动显著性的轮廓编组算法

4．1 基于运动显著性的区域显著性

4．2 基于运动显著性的轮廓编组及目标提取算法

4．3 实验结果及分析

4．4 本章小结

5 基于区域运动一致性的轮廓编组算法

5．1 光流场的区域运动特征

5．2 区域运动一致性的定义

5．3 基于区域运动一致性的轮廓编组方法

5．4 实验结果与分析

5．5 本章小结

6 工作总结及展望

6．1 工作总结

6．2 工作展望

参考文献

作者简历

学位论文数据集