動態(tài)場景的視頻分割算法研究.pdf

1、視頻分割技術是眾多面向對象的視頻應用的技術基礎，這些應用領域包括面向對象的視頻編解碼、視頻編輯和檢索、計算機視覺等。分割的準確性直接影響后續(xù)任務的有效性，因此具有十分重要的意義。隨著計算機處理能力的提高和多媒體技術的發(fā)展，特別是MPEG-4這一面向對象的視頻編碼框架提出以后，視頻分割成為一個急待解決的技術問題。 從上個世紀九十年代開始，國內(nèi)外的學者們做了大量的研究，也提出了許多方法，但由于視頻圖像的復雜性和特殊性，至今為止提出的

2、相關理論和方法尚存在不足之處，在某些具體情況下仍不能很好的分割出視頻對象，難以找到一種是通用的、可靠的自動分割算法。因此，根據(jù)具體的應用要求設計新的視頻分割方法，或者對現(xiàn)有方法進行改進以得到滿意的視頻對象分割結果，是現(xiàn)在研究的主流方向。 根據(jù)分割過程中所利用的信息不同，視頻分割算法可分為時間分割，空間分割和時空聯(lián)合分割。為得到更好的分割效果，當前主流的視頻對象提取算法都將時間域的連續(xù)性和空間域的相似性結合起來以獲得語義意義的視頻

3、對象。在視頻流的記錄過程中，為了擴大視頻流中的信息量攝像機不可避免產(chǎn)生縮放、平移和旋轉等運動。由攝像機運動產(chǎn)生的全局運動使得視頻序列具有了動態(tài)場景。較之靜止背景，從動態(tài)場景中提取出運動對象，在視頻跟蹤、視頻摘要和數(shù)字監(jiān)控等領域有更加重大的實用價值。 在動態(tài)場景下，由于背景的運動，使得直接分割變得非常困難。目前傳統(tǒng)的動態(tài)場景視頻對象分割方法都是先進行全局運動補償來去除攝像機運動的影響，然后再采用靜態(tài)背景下的視頻分割方法進行視頻對象

4、的提取。而精準背景補償階段往往是整個分割過程中計算量最大、最耗時的階段。在考慮到具體的實際應用的情況下，本文對動態(tài)場景下的視頻對象提取算法作了深入的思考，提出了一種基于時空聯(lián)合的動態(tài)場景視頻分割算法。在時間域，采用一種初略的整體運動分析方法：首先利用頻域相位關系求得運動向量，然后根據(jù)前景與背景運動向量的不同，采用相應的全局運動參數(shù)模型，反復處理得到當前幀的前景區(qū)域。進行形態(tài)學后處理，去除干擾塊，填充內(nèi)部孔洞，得到完整封閉的前景物體，即視