基于協(xié)同分割的視頻目標(biāo)分割算法研究.pdf

1、圖像分割算法在過去的20年中快速發(fā)展，經(jīng)典的圖像分割算法都是針對一張圖片的，利用一張圖片內(nèi)部的顏色分布、邊緣強(qiáng)度、視覺顯著性等低層視覺特征進(jìn)行分割。2006年開始提出并廣泛研究的協(xié)同分割算法則協(xié)同地考慮共享前景的多張圖片的分割。協(xié)同分割目標(biāo)是在一組共享前景的圖片中通過約束圖片與圖片之間前景的相似性提高分割的精確度。協(xié)同分割帶來的另外一個(gè)好處是把不同圖片的分割聯(lián)系到一起，使得具有相似特征的物體具有一致的標(biāo)號。在計(jì)算機(jī)視覺領(lǐng)域，在視頻中分割

2、出目標(biāo)物體一直是一個(gè)非常重要的問題，通過分割得到一個(gè)物體的形狀以及形狀的變化是十分有益的。一方面，物體具體的形狀為識別等問題提供了重要的線索，另一方面，分割保留前景目標(biāo)的區(qū)域而去除背景的干擾，相對于固定形狀窗口是更加準(zhǔn)確地表示，很多研究都表明通過圖像或視頻的分割能提高目標(biāo)識別、目標(biāo)跟蹤等經(jīng)典視覺任務(wù)的準(zhǔn)確性。如何聯(lián)系視頻多幀分割以保持視頻分割的時(shí)域一致性一直是一個(gè)重要的問題。經(jīng)典的視頻分割算法通過相鄰幀的運(yùn)動估計(jì)保持像素間的映射關(guān)系，雖

3、然在諸如背景一致或前景運(yùn)動不太劇烈的場景取得良好的效果，但是對于前景目標(biāo)運(yùn)動特別劇烈而無規(guī)律或視頻時(shí)域采樣率較低的情況則不太理想。
　　本文首先回顧了經(jīng)典的基于運(yùn)動估計(jì)和時(shí)域?qū)?yīng)關(guān)系的視頻分割算法以及近年廣泛研究的基于約束圖片間前景一致性并聯(lián)合優(yōu)化的圖像協(xié)同分割算法。在此基礎(chǔ)上，本文在視頻序列區(qū)間上定義了一個(gè)聯(lián)合能量函數(shù)，包含單幀分割質(zhì)量以及協(xié)同分割約束。其中協(xié)同分割約束用神經(jīng)卷積網(wǎng)絡(luò)特征空間中的一個(gè)超平面對視頻的前景與背景建模，

4、并度量序列區(qū)間前景背景的相似性，從而建立分割時(shí)域一致約束。針對能量函數(shù)的定義，能量最小化利用時(shí)空參數(shù)化圖割通過在一個(gè)縮小的分割標(biāo)號空間迭代的方式進(jìn)行。針對所提出的協(xié)同分割約束，本文在實(shí)驗(yàn)中與基于視覺顯著性的單幀分割相比較，體現(xiàn)出協(xié)同分割的約束對視頻前景背景分割精確度的提升。
　　針對能量函數(shù)中的協(xié)同分割約束在視頻序列區(qū)間中的學(xué)習(xí)，本文進(jìn)一步將所提出的視頻協(xié)同分割問題轉(zhuǎn)化為一個(gè)傳遞式學(xué)習(xí)的問題。本文首先回顧了經(jīng)典的傳遞式學(xué)習(xí)算法?？?/p>

5、慮到視頻前景可能具有多種不同的變化過程和不同的形態(tài)，本文描述了一種多分量的視頻協(xié)同分割算法。在該算法中，一棵“時(shí)域樹”在視頻的時(shí)域建立起來，時(shí)域樹的每一個(gè)葉子對應(yīng)一幀視頻，每一條從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的路徑為視頻的一個(gè)連續(xù)變化的分量。對于每一個(gè)分量，都對應(yīng)一個(gè)漸變的前景背景模型。本文還討論了不同分量對應(yīng)模型之間的關(guān)系。在實(shí)驗(yàn)中，本文比較了基于最大期望式迭代的視頻協(xié)同分割算法與基于時(shí)域樹的多分量視頻協(xié)同分割算法，體現(xiàn)出多分量模型對前景變化較大視