论文摘要：图像及视频对象分割算法研究

 

       在图像处理技术中，图像与视频分割是非常重要的底层处理技术，它几乎是所有基于图像分析的人工智能技术的基础，它为众多的高层应用提供了最重要的数据形式。图像与视频对象分割作为机器视觉领域最为经典的难题之一，一直是机器视觉和模式识别领域的一个研究热点。本文从图像及视频对象分割研究中存在的问题出发，以不同的角度对图像及视频对象分割算法进行了深入研究，主要研究成果包括以下几个方面：

1.      实现了一种基于变化检测和帧差累积的视频对象分割方法。该方法针对目前许多视频对象分割方法中存在的分割边界不精确、遮挡和不规则运动问题解决效果不好等问题，将帧间运动变化检测和图像的边缘检测结合起来，采用t显著性检验检测、定区间帧差累积、Kirsch边缘检测算子、时空滤波、填充及形态学处理等操作实现视频对象的分割。实验结果验证了本文算法的有效性和准确性，并且易于实现，提取精度较高；

2.      实现了一种基于改进GVF Snake的运动目标轮廓提取方法。该方法针对当前目标跟踪中目标轮廓提取不精确的问题，应用改进的GVF Snake 模型以获得精确的轮廓边界。该改进模型采用4方向各项异性扩散并采用下降速度较快的保真项系数来增强GVF Snake进入凹陷的能力，且保持对弱边界的收敛。本方法成功分割出目标凹陷部分并对弱边界有较好的收敛效果，提高了轮廓提取的精确度；

3.      实现了对传统Codebook码元的RGB柱状结构的改变，在YUV彩色空间建立码本背景模型，简化了码元结构。融入了频率信息来改变传统码本背景模型中的码元判定、删除、匹配过程；同时将当前像素空域信息纳入到前景判定过程中，该空域信息包括了邻域内像素间的依赖关系，使得前景检测结果更加可靠；降低了传统的码本背景模型在光照变化比较频繁的场景中的敏感性。实验结果表明，该算法能够快速准确的检测运动目标；

4.      实现基于Grab Cut的图像对象分割，解决传统图像分割交互繁琐复杂的问题，Graph Cut的目标和背景的模型是灰度直方图，Grab Cut取代灰度直方图为RGB三通道的混合高斯模型GMM；使得分割结果更可靠；最终使得用户只需要在彩色图像内进行少量简单的手工交互，便可获得图像对象的精确分割。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/294347.html