復(fù)雜背景下的運動目標分割算法研究.pdf

1、在圖像處理領(lǐng)域，視頻圖像序列中運動目標的分割與跟蹤是一個被廣泛研究的熱點。在眾多的分割和跟蹤方法中，本文將研究對象定位在具有一定復(fù)雜背景下的運動物體，采用馬爾可夫隨機場模型(MRF)作為本文分割的主要算法，但是基于MRF的圖像分割算法存在算法時間復(fù)雜度高，處理速度慢以及參數(shù)估計不準確等缺點，這些缺點一直是該方法應(yīng)用于工程實踐的最大障礙。 此外，傳統(tǒng)的MRF圖像分割方法大多適用于背景簡單的場合，而對于復(fù)雜的背景，像背景光線的突然變

2、化，背景中物體變化(包含隨風擺動的樹枝，噴泉等)，無法獲得令人滿意的效果，因此本文針對這些缺點進行了改進。 大多數(shù)視頻圖像處理的問題可以歸結(jié)為一個標記獲取的問題，也就是說，一個視頻處理圖像問題的解決方案就是給圖像中所有的像素點分配一系列的標記。采用馬爾可夫隨機場，運動目標分割可以歸結(jié)為事先觀察場和其它一系列約束條件下對圖像初始標記場進行優(yōu)化，從而得到優(yōu)化標記場的問題。 而初始標記場的選取對馬爾可夫隨機場分割算法有著重要的

3、影響。如果初始標記場選取和實際偏差較大，不能獲得理想的分割結(jié)果，而且，在全局優(yōu)化時，也不利于算法的收斂。 為了得到較為準確的初始標記場，本文對Gibbs能量函數(shù)做了改進。將彩色圖像的R、G、B三個分量分別標記獲得原始初始標記場，再利用改進后的能量函數(shù)對R、G、B獲得的原始標記場重新標記，獲得最終的初始標記場，即對原始標記場的一次優(yōu)化處理。 為了提高基于MRF的圖像分割速度，本文從去除冗余的計算量出發(fā)，先用對稱差分算法檢測