论文部分内容阅读
该文主要研究视频序列中运动目标的分割技术.该课题得到了江苏省自然科学基金项目(BK20011 37)的资助.文章提出了视频序列中运动目标的两种分割算法.一种是基于时空域分割联合的视频序列运动目标分割算法;另一种是基于跟踪的运动目标分割算法.在完成时域分割和空域分割之后,为使提取的运动目标边缘更精确,该文提出了基于时空域分割联合算法.由于时域分割过程不可避免地存在误差,可能会有部分运动区域在跟踪过程中丢失.另外,如果部分目标区域运动停止,时域分割会检测不到区域活动,同样会导致部分运动目标的丢失.所以为了保持分割目标在时域上的连贯性,该文对通用时空域分割联合算法进行了改进.提出了空域投影和时域投影相结合的时空联合分割算法,取得了很好的分割效果.在用第一种运动分割算法分割出运动目标之后,为了获得后续图像中的运动目标,该文使用了基于目标轮廓跟踪的运动目标分割算法.该算法在得到前一帧图像(t-1时刻图像)中运动目标的边界之后,应用块匹配算法估计边界像素块相对于下一帧(t时刻图像)的运动,并根据估计得到的运动矢量提取t时刻图像中的运动目标边界.最后,根据运动目标边界分割出运动目标.该算法简单,计算复杂度低,但是要求目标和背景间的对比度较强.为此,该文在Hausdorff距离的基础上,提出了改进的Hausdorff距离跟踪方法.分割算法用改进的Hausdorff距离跟踪器在目标级别上来实现目标的跟踪,然后根据跟踪到目标的二值模型来提取出运动目标.改进的Hausdorff距离采用去最大值平均Hausdorff距离代替排序Hausdorff距离.基于Hausdorff距离跟踪的分割算法不仅可以获得精确的目标(对象)边缘,同时保证了目标在时间和空间上的连续性.具有很好的跟踪和分割效果.