基于DIRECT算法的運動目標分割.pdf

1、運動目標的分割是計算機視覺領域里一個重要的研究方向，它是一個應用基礎研究并富于挑戰(zhàn)性。它不限于某個特定問題，而是應用了多學科的理論，對該領域的研究具有重要的理論價值和實際意義。多年來，隨著不斷的深入研究和實踐，以及多媒體技術的迅猛發(fā)展，運動分割的研究已經取得了很大的進展，并應用于很多領域。但是迄今為止這個課題仍然存在許多問題沒有解決。 本文首先對目前的一些常用的運動分割理論算法特點及不足給出了簡要的評述；然后著重從三個方面詳細的

2、闡述了本文采用的分割的理論和方法： 第一，通過基于HOS的運動檢測確定一個初始的運動變化區(qū)。首先，本文簡要介紹了基于幀差運動檢測方法及幀間差分模型，然后以幀差圖像為基礎，采用HOS統(tǒng)計的方法來檢測運動變化區(qū)。對于HOS理論中的閾值的選擇，本文采用了迭代更新計算的方法對整個差分圖像的相對噪聲進行估計，并將其噪聲方差作為二值化的閾值。 第二，基于參數(shù)模型的運動估計。在這一部分里，本文采用軸仿射模型作為運動模型，并采用一種取值

3、有界的全局最優(yōu)化算法DIRECT算法作為本文運動模型參數(shù)估計的算法。本文運動的估計是根據(jù)絕對位移幀差為準則定義運動目標函數(shù)，通過運動區(qū)域檢測變化區(qū)確定每個運動目標的矩形支持區(qū)，并提取初始的軸仿射模型參數(shù)，然后采用DIRECT算法估計出軸仿射模型參數(shù)，并轉換成傳統(tǒng)仿射模型參數(shù)，最終作為運動估計的結果。這種方法是建立在軸仿射模型與傳統(tǒng)仿射模型的等價關系上，通過主軸進行估計。這樣估計的像素少，速度快，同時使運動參數(shù)的幾何意義簡單化，容易確定其

4、相鄰參數(shù)及參數(shù)的變化范圍。 第三，基于MRF模型的目標分割。在這一部分里，本文首先對MRF基本理論做了簡要介紹；其次，計算每個像素點與經過每組仿射變換后所得到的下一幀像素點的灰度絕對差，并將此絕對差定義為本文的MRF能量函數(shù)數(shù)據(jù)項，最后采用基于圖論的擴展移動算法實現(xiàn)MRF能量函數(shù)最小化。通過實驗結果，與以往的傳統(tǒng)條件迭代模式算法對比，實驗證明，基于擴展移動的MRF算法能得出一個比較準確的分割結果。 本文將上述三個部