基于圖割優(yōu)化的視頻運動目標分割算法研究.pdf

1、隨著計算機技術的廣泛應用，視頻運動目標分割在數(shù)字視頻處理、模式識別和計算機視覺領域起著越來越重要的角色，并且是視頻后續(xù)處理如目標識別、跟蹤和行為分析等的基礎，因此研究視頻序列的運動目標分割具有重要的意義和實用價值。
　　 近年來，在圖像視頻處理領域國內(nèi)外學者做了大量的研究，并提出了許多的分割方法。其中，基于圖割(Graph cuts)算法以其優(yōu)良的特性在圖像視頻分割受到了國內(nèi)外學者的廣泛關注。該理論可以融合多種知識求解全局最優(yōu)解

2、，取得了較好的分割效果，是近年來基于能量最小化實現(xiàn)目標分割研究的熱點。然而基于Graph cuts算法的圖像視頻分割一般需要人工的參與，因而在視頻分割中受到了一定的限制。本論文主要研究如何實現(xiàn)Graph cuts算法的視頻運動自動分割，及其構建高效的能量函數(shù)以實現(xiàn)精確的運動目標分割。
　　 本論文以Graph cuts算法為支撐，主要工作為以下兩個方面:
　　 (1)針對視頻序列中背景復雜、存在噪聲等情況使目標分割結果存

3、在虛警、目標分割不完整等問題，提出一種融合時空域混合高斯模型和Graph cuts算法的視頻運動目標自動分割方法。改進了傳統(tǒng)混合高斯模型只利用單個像素的獨立性，而忽略了相鄰像素間的空間域相關性的缺點，并將其運用到基于Graph cuts能量函數(shù)的構建，充分利用了視頻序列的時空域信息。改進算法使目標分割結果更加完整、且解決了噪聲影響和虛警等情況。
　　 (2)針對Graph cuts能量函數(shù)中似然能量和先驗能量的固定正則化參數(shù)λ問

4、題，提出一種自適應正則化參數(shù)選擇的Graph cuts算法視頻運動目標分割方法。Graph cuts能量函數(shù)中先驗項能量也稱為邊緣能量，代表了相鄰節(jié)點分別標記為前景和背景所付出的代價，且有助于形成封閉平滑的邊緣。然而在實際的視頻序列中每個幀序列中似然能量和先驗能量的正則化參數(shù)λ不可能為單一固定常數(shù)。即使在處理同一張圖片中λ值過大過小也影響分割的效果。故本論文運用高效的ED(Edge Drawing)邊緣檢測算法來判斷像素是邊緣的概率，以