视频运动物体的提取是计算机图形学、计算机视觉中的一个研究热点,具有广泛的应用价值。运动物体提取的主要任务是,将一段视频中的运动物体与其所处的场景相分离。通过视频融合技术可以将分离后的运动物体视频与新的场景视频相结合,产生一段合成的新视频。随着计算机图形图像处理和多媒体等技术的迅速发展,此类技术不断受到青睐,其应用范围也越来越广泛,尤其体现在影视、娱乐、军事、考古、体育等诸多方面。 现有的视频提取算法大多基于摄像机固定的假设,采用传统的图像分割算法来实现,即按照一定的空间信息(颜色、边缘和纹理等)统计信息、模型和先验知识等对图像中的一致性区域进行分割。为此,本文提出了一种基于全景图的视频提取的新算法,算法不仅仅能够在摄像机平移的状态下提取运动物体,还能在摄像机ZOOM时分割前景物体与背景。算法采用一种鲁棒的方法补偿摄像机与背景的相对运动,利用相邻帧之间的运动参数拼接全景图,最后利用图像的空间连续性与投票机制提取前景物体。实验证明,算法提取出的前景物体相对目前的大多数算法更精确,背景剔除得更干净。同时,算法处理了在摄像机ZOOM状态下的提取问题,突破了以往算法对于摄像机运动方式的限制。 本文还将本算法应用于视频融合技术,实验表明,应用本文提出的分割算法能较好地将前景运动物体从视频片段中提取然后与新的场景相结合产生新的视频片段。