一种基于区域选择的视频对象分割算法.pdf

《一种基于区域选择的视频对象分割算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第14卷第6期2014年2月科学技术与工程V01．14No．6Feb．20141671—1815(2014)06—0211—07ScienceTechnologyandEn~neefing@2014Sci．Tech．Engrg．一种基于区域选择的视频对象分割算法刘毅(贵州大学职业技术学院，贵阳550001)摘要视频对象分割对于行动识别和视频检索等领域具有重要作用。针对现有方案的不足，提出一种新的视频对象分割算法。首先，基于物质度构建出视频主要对象的区域图，然后，视频对象的区域选择被建模为区域图中最大权重派系的寻找问题，为了避免不合理的区域选择所导致的无法求解问题，对同一派系的区域

2、引入两种互斥约束：帧内约束和帧间约束，最后提出了一种新的最大权重派系(MWC)算法来计算满足约束条件的最大加权派系，从而实现视频对象的精确分割。将本文算法用于SegTrack数据库中的多个高难度基准视频进行测试，实验结果表明，本文算法能够实现每帧视频主要对象检测和分割自动化，且分割误差也要明显小于已有的算法。关键词视频对象分割物质度区域选择最大权重派系互斥约束中图法分类号TP391．41；文献标志码A无监督视频对象分割对行动识别和视频检索等他区域。对候选区域集合中的每两个区域，根据非领域具有重要作用。当前视频对象分割算法主要是归一化颜色柱状图计算相似度。最后，进行光谱聚在一定时间

3、内对区域或关键点进行跟踪¨l2J，或是类，对候选区域集合进行内域／外域划分。每种聚类使用外貌或运动线索对所有帧进行低层次的像素分(内域)对应于一种前景对象区域假设。然后，根据组J。然而，如文献[4]指出，这些算法对“前景对成员区域的平均物质度分值，对获得的聚类进行排象的外观如何”缺乏明确概念，因此经常出现“过分名。平均分值越高，该聚类包含视频主要对象的概割”问题。最近，以对象为中心的静态图像分割成率就越大。为一个热门课题，并取得巨大进展。这些方法然而，候选区域集合c虽然结合了所有帧中的以二元轮廓／区域分割形式生成多个对象假设。根区域，但是忽略了每个区域来自哪个帧及区域在据各自分值

4、而得的假设排名表明了这些假设的可信该帧中的位置等重要信息。本文将对这些信息加度。使用颜色、纹理和边界等图像线索，普通的前景以利用，以获得更好的区域选择效果。具体方法对象对该模型进行学习，然后实现对象类别的独是，利用不同帧中区域的二元外观关系，并对选择立性。的区域施加互斥约束。为公平比较，我们选择与通过基于物质度指标进行轮廓／区域分割，Vi—文献[4]中相同的视频区域物质度定义。文中对cente等人在文献[7]中从数幅静态图像实现“对象视频主要对象区域的选择主要基于以下三种重要联合分割”。Lee等人在文献[4]中将类似思路引入观点：①从派系中选择的区域应该有较高的物质视频图像分割。

5、该文献不仅使用文献[6]中的静态度分值(一元位势)，且在各视频帧中的外观比较物质度指标，还使用动态指标来衡量一个区域包含类似(二元位势)；②两个相邻帧的对象区域相对移动对象的概率。他们还指出，视频中的对象区域来说比较接近，因为对象的运行一般来说比较平的运动方式与周围是不同的。尤其是，该文献中的滑；③主要对象会出现在每一图像帧中。它可能指标将区域的光流柱状图与周围区域加以比较。这会由于局部遮挡或自我遮挡而改变外观或形状，不需要对摄像机运动做出任何假设，仍可保持对不但仍会出现在每幅图像帧中。同运动幅度的敏感度。对区域打分后，每个帧中分文中提出了一种新的视频对象分割算法。该算法将区域选

6、择问题表述成在加权图G中寻找约束值最高的个区域被选出来形成一个候选区域集条件下的最大加权派系(MWC)，其中每个区域对应合c。C中许多区域属于前景对象，也有可能包括其一个结点。G的相似度矩阵A的对角线元素表示各2013年8月13日收到，10月14日修改个结点的物质度分值。非对角线元素表示两个区域作者简介：刘毅(1980一)，男，汉族，重庆江津人，硕士，讲师。研间的外观相似度。图G中的最大加权派系就是权究方向：图像处理，无线网络优化。E—mail：2868437847@qq．com。重和最大的派系，这表明一元位势和二元位势均被考虑。在本文算法中，我们还对最大权重派系加以212科学技

7、术与工程l4卷约束，以满足非线性互斥约束条件。最后的实验结现视频对象的有效分割。果也表明了本文算法的有效性。2区域图构建1相关工作本文的目标是在不对目标建模的情况下，对视视频对象分割问题一直是视频应用领域的研究频前景对象进行分割。由于我们没有对目标对象的热点问题，相继有众多学者提出了一系列方法，如程尺寸、位置、形状和外观做出任何先验假设，因此我淑红等提出了一种基于改进的最小Tsallis交叉们首先根据文献[9]为每幅帧生成多个对象“建熵的视频对象分割算法。该算法在时域中采用帧间议