面向基于內(nèi)容多媒體應(yīng)用的視頻對象分割.pdf

1、隨著互聯(lián)網(wǎng)和多媒體技術(shù)的迅速發(fā)展，我們在每天的生活中都會接觸到大量的圖像和視頻信息。圖像和視頻的壓縮技術(shù)已經(jīng)取得了巨大的成就，有效地解決了存儲和傳輸?shù)膯栴}，目前的多媒體應(yīng)用迫切需要的是基于內(nèi)容的功能。為了有效地提供基于內(nèi)容的功能，必須從視頻場景中分割出有意義的視頻對象，以獲得視頻內(nèi)容的基于對象的表示。視頻對象分割最初的研究動機(jī)是為了實現(xiàn)MPEG-4基于內(nèi)容的編碼功能，現(xiàn)在它已經(jīng)成為支持任何一種基于內(nèi)容的多媒體應(yīng)用的關(guān)鍵技術(shù)，其中包括視頻

2、索引和檢索、智能視頻監(jiān)控、人機(jī)交互以及視頻編輯等應(yīng)用。 視頻對象分割方法基本上可分為兩類：即自動分割方法和半自動分割方法。在詳細(xì)回顧已有方法的基礎(chǔ)上，本文提出了一種更細(xì)化的分類標(biāo)準(zhǔn)，強(qiáng)調(diào)了視頻對象跟蹤算法在自動和半自動分割方法中的通用性。對于自動分割，本文提出了兩種運動對象分割算法以及一種人臉對象分割算法。對于半自動分割，本文提出了一個交互式視頻對象分割工具以及一種同樣可用于自動分割中的視頻對象跟蹤算法。 具體來說，本文

3、的主要創(chuàng)新工作如下：(1)使用光流場的運動信息，提出了基于假設(shè)檢驗的運動對象分割算法。初始分割采用分水嶺分割算法，接著根據(jù)顏色相似性進(jìn)行區(qū)域合并；然后利用光流場估計和全局運動估計獲得全局運動的殘余誤差；最后以各個區(qū)域的殘余誤差數(shù)據(jù)進(jìn)行假設(shè)檢驗來確定運動區(qū)域，組合所有的運動區(qū)域來生成具有準(zhǔn)確邊緣的完整視頻對象。 (2)在時空分割框架下提出了一種自動視頻對象分割算法。時域分割采用了基于F檢驗的變化檢測方法；針對空域分割提出了一種彩色

4、圖像的分裂合并算法；然后考慮以前幀分割出的運動對象的累積結(jié)果，進(jìn)行時空分割結(jié)果的融合；最后提出了一種利用邊緣信息來消除顯露的背景區(qū)域的后處理方法。 (3)針對半自動分割的第一步，開發(fā)了一個交互式視頻對象分割工具來方便用戶定義感興趣的視頻對象。用戶交互結(jié)合了畫標(biāo)記和區(qū)域選擇這兩種方式，所提出的快速種子區(qū)域合并算法用來從分割區(qū)域中提取出視頻對象。靈活的用戶交互方式和種子區(qū)域合并算法相互配合，最大程度上減少了用戶交互的工作量。

5、 (4)提出了一種雙向投影的方法用于視頻對象跟蹤，它有機(jī)地結(jié)合了前向投影和后向投影各自的優(yōu)點。前向投影用來在當(dāng)前幀中粗略定位視頻對象的邊界，接著在其膨脹區(qū)域內(nèi)進(jìn)行實際的分水嶺分割。然后在較小的搜索范圍內(nèi)只對一些分割區(qū)域進(jìn)行后向投影，提高了跟蹤的效率，而且在后向投影中融合了象素分類和區(qū)域分類，保證了跟蹤的可靠性。所提出的雙向投影方法不僅可用于半自動視頻對象分割的第二步，也可作為一個獨立的跟蹤模塊用于自動視頻對象分割中。 (5)提出

6、了一種基于二叉劃分樹的人臉分割算法。首先結(jié)合象素分類和分水嶺分割的結(jié)果來獲得膚色區(qū)域；然后利用谷底檢測和熵閾值化的方法提取出臉部特征來修正膚色區(qū)域。為了從膚色區(qū)域中分割出人臉區(qū)域，提出了一種新的區(qū)域合并算法，在合并過程中考慮了相鄰區(qū)域之間公用邊界的影響，并用二叉劃分樹來表示整個區(qū)域合并過程。接著利用一系列描述人臉的幾何特征和形狀特征的模糊隸屬度函數(shù)，給二叉劃分樹的每個結(jié)點賦值來表示該結(jié)點的人臉相似度。最后提出了一種在二叉劃分樹中的結(jié)點選