基于時空信息融合的Snake視頻對象分割技術(shù)研究.pdf

1、伴隨著視頻編碼相關(guān)學(xué)科及新興學(xué)科的迅速發(fā)展，新一代數(shù)據(jù)壓縮技術(shù)日益成熟，其編碼思想由基于像素和像素塊轉(zhuǎn)變?yōu)榛趦?nèi)容，實現(xiàn)基于內(nèi)容交互的首要任務(wù)就是把視頻/圖像分割成不同對象或者把運動對象從背景中分離出來，也即視頻對象的分割與跟蹤。然而由于視頻對象分割是目前一個具有挑戰(zhàn)性的難題，MPEG組織并沒有制定如何將現(xiàn)有的數(shù)字視頻序列分割成視頻對象，而是將其作為標(biāo)準(zhǔn)的開放部分留待深入研究。 本文主要研究視頻對象分割與跟蹤。在對一種近十年來被

2、廣泛研究和應(yīng)用的圖像分割技術(shù)-主動輪廓模型（也稱為Snake）進(jìn)行深入研究的基礎(chǔ)上，本文提出一種基于時空信息融合二次差分法的Snake視頻對象分割技術(shù)。在傳統(tǒng)的時空信息融合法進(jìn)行視頻對象分割時，時域信息量利用不充分，對視頻對象的分割不夠完整，不利于后續(xù)算法的處理。時空信息融合二次差分法使用時域前向差分和后向差分兩次差分之和，增加了在時域上的視頻對象信息，再在空域內(nèi)進(jìn)行處理，時空信息相結(jié)合使得視頻對象信息更加完整全面，特別是邊緣處的輪廓信

3、息。這為后續(xù)使用Snake算法分割視頻對象提供了完整的輪廓信息，使得利用Snake算法更加有效，且分割出的視頻對象更加完整。由于傳統(tǒng)Snake模型對初始化Snake線要求苛刻，且對凹陷的輪廓不能有效的分割，本文最后采取了一種改進(jìn)的Snake算法，即GVF-Snake算法，克服了對凹陷輪廓分割不全的缺點。對于視頻對象的跟蹤，本文使用卡爾曼濾波器來實現(xiàn)，從實驗來看Kalman濾波器是一種較為理想的運動目標(biāo)跟蹤器，具有較高的魯棒性和跟蹤準(zhǔn)確性