基于分層主導(dǎo)優(yōu)化隨機(jī)場(chǎng)的視頻目標(biāo)提取.pdf

1、為了獲取視頻運(yùn)動(dòng)目標(biāo)信息，提升目標(biāo)提取的精度和效率，本文首先，采用中值濾波、三幀間差分、閾值法和形態(tài)學(xué)閉運(yùn)算對(duì)視頻圖像序列處理，得到封閉的運(yùn)動(dòng)目標(biāo)信息及其粗二值分割圖像;然后，采用目標(biāo)輪廓外圍頂點(diǎn)坐標(biāo)投影的方式，在原始幀圖像和二值化圖像上提取包含完整目標(biāo)信息的圖像塊;最后，應(yīng)用時(shí)空聯(lián)合馬爾科夫隨機(jī)場(chǎng)和時(shí)空聯(lián)合條件隨機(jī)場(chǎng)分別對(duì)目標(biāo)區(qū)域塊建模，實(shí)現(xiàn)目標(biāo)快速、準(zhǔn)確提取。上述方案不僅實(shí)現(xiàn)隨機(jī)場(chǎng)僅對(duì)包含目標(biāo)的區(qū)域塊建模分割，還可同時(shí)利用前面獲取的

2、運(yùn)動(dòng)目標(biāo)信息，及其初始分割情況，很大程度上提高了分割速率及準(zhǔn)確性。采用時(shí)空聯(lián)合的馬爾科夫隨機(jī)場(chǎng)和時(shí)空聯(lián)合的條件隨機(jī)場(chǎng)建模，可同時(shí)參考時(shí)間域和空間域的鄰域信息。尤其時(shí)空聯(lián)合的條件隨機(jī)場(chǎng)不但充分利用時(shí)空域的局部聯(lián)系，還可以觀察時(shí)空域所有圖像的數(shù)據(jù)特征，提高二值分割的精確度。并且本文還針對(duì)時(shí)空域的條件隨機(jī)場(chǎng)選用三種特征函數(shù)，分別為時(shí)空鄰域?qū)Ρ榷忍卣?、時(shí)空域中央周圍直方圖特征和顏色空間分布特征，充分發(fā)揮條件隨機(jī)場(chǎng)的優(yōu)勢(shì)。
　　為了獲取更好

3、的隨機(jī)場(chǎng)模型參數(shù)，本文分別對(duì)分布估計(jì)算法、差分進(jìn)化算法和單純形法作出改進(jìn)，并基于改進(jìn)后的三種算法提出了一種混合算法，稱作分層主導(dǎo)優(yōu)化算法。它綜合發(fā)揮了分布估計(jì)算法的全局探索性能，差分進(jìn)化算法的相對(duì)局部尋優(yōu)能力和單純形法的局部快速優(yōu)化的特點(diǎn)，實(shí)現(xiàn)了各算法的優(yōu)勢(shì)互補(bǔ)，從而避免單一算法易陷入局部早熟的弊端。本文還選用Spherical、Rosenbrock、Griewank和Ackley's函數(shù)，驗(yàn)證了分層主導(dǎo)優(yōu)化算法的優(yōu)越性能，其大幅度提高