基于灰度相关和NS时空融合的视频分割技术研究

摘要

视频对象分割是MPEG-4视频编码标准中的一个重要组成部分，也是视频监控、多媒体交互及模式识别等众多应用系统的基础，得到许多研究人员的关注，并取得了大量的研究成果。但是由于视频对象本身的复杂性，仍存在一些问题，比如对于目标运动速度比较慢，与背景对比度较低的视频序列分割结果不够完整，易出现误分割现象，通用性较差。因此，研究视频对象运动目标检测仍然具有重要的理论意义和实用价值。
　　鉴于此，本论文在分析和总结国内外相关研究工作的基础上，提出了一种基于灰度相关和NS时空融合的视频对象分割算法，并通过实验证明了该算法的有效性。本文的研究内容主要包括以下几个方面：
　　(1)时域上，针对不同的视频序列采用不同的运动检测方法。首先，对于存在静止背景的视频序列，采用基于视频流的背景差法，即对较简单的、运动速度比较快的视频序列，采用中值法建立背景；对于较复杂的背景序列，采用改进的自适应混合高斯背景建模算法。其次，对于不存在完整背景的视频序列，如akiyo视频，采用基于梯度和灰度相关的帧间差分算法，以提高分割的准确性和通用性。
　　(2)空域上，利用NS算法中确定区域工具有较高的对比性特性进行分水岭变换，以减少过分割现象，并结合边缘信息对视频图像进行标记以提高分割的准确性。
　　(3)视频分割的另一个难点是阴影检测与去除，本文针对HSV色彩空间误检率较高的问题，提出一种基于色彩空间和边缘信息的判断依据，可以有效地减少阴影的误检率，确保运动目标的完整性。
　　(4)最后通过基于领域隶属度判别的时空融合算法，将空域分割的视频图像映射到时域，对初始分割进行精确判定，并通过大量的实验结果验证本文算法的有效性。
　　总之，本文的视频分割方法综合利用了各种理论基础和研究成果，解决了视频对象分割对于目标运动速度较慢，对比度较差的视频序列易出现误分割的现象，提高了算法的通用性和准确性。