一种简单易行的运动对象分割方法

在兼顾运动图像分割效果和实时性的原则上,提出了一种简单有效的分割方法。首先利用二次帧差的方法求出图像帧的运动区域,去除结果中不准确的小区域,最后利用二次扫描的方法填充该区域。实验证明：利用该方法得到了较好的分割效果并节省了处理时间。     

A fast valley-based segmentation for detection of slowly moving objects

Moving object detection in a video sequence is the first and most important step in many computer vision applications. However, it is challenging for a machine to match with the human visual perception level. Motion information of slowly moving object is highly erroneous in comparison with fast moving object. Therefore, in real time, accurate segmentation of slowly moving objects is more challenging. In this paper, a fast and efficient segmentation algorithm is proposed for the detection of slowly moving object in a video sequence. The proposed method has three steps to extract the slowly moving object in a video. In the first step, an averaging frame difference method is proposed to extract the motion information. In the second step, a valley-based thresholding is proposed to segment all the frames of a video. In the final step, the motion information and spatial homogeneous region information are merged to extract the slowly moving object.     

An automatic segmentation method for moving objects based on the spatial-temporal information of video

The new MPEG-4 video coding standard enables content-based functions. In order to support the new standard, frames should be decomposed into Video Object Planes （VOP）, each VOP representing a moving object. This paper proposes an image segmentation method to separate moving objects from image sequences. The proposed method utilizes the spatial-temporal information. Spatial segmentation is applied to divide each image into connected areas and to find pre~：ise object boundaries of moving objects. To locate moving objects in image sequences, two consecutive image frames in the temporal direction are examined and a hypothesis testing is performed with Neyman-Pearson criterion. Spatial segmentation produces a spatial segmentation mask, and temporal segmentation yields a change detection mask that indicates moving objects and the background. Then spatial-temporal merging can be used to get the final results. This method has been tested on several images. Experimental results show that this segmentation method is efficient.     

一种基于帧内图像分区的视频对象自动分割算法

视频运动对象的自动分割是实现新一代对象基视频编码标准MPEG-4的重要技术,本文提出了一种基于帧内图像分区的运动对象自动分割算法.首先以时域运动信息为依据利用高斯检验方法得到二值运动掩模图像,并建立MRF随机场模型进一步检验,然后提出了一种结合非线性变换的改进分水岭算法进行帧内图像分区,以划定对象区域与背景区域的界线,最后对时域分割和帧内分区结果进行比重运算,得到最终运动对象.针对MPEG-4标准测试序列和自采集手指视频序列的实验结果说明了算法的有效性.     

一种新的基于H.264压缩域的运动对象分割算法

提出了一种在H.264压缩域下进行运动对象分割的新算法。算法主要利用H.264码流中的运动矢量信息来进行对象分割,为了提高运动矢量信息的鲁棒性,首先利用I帧中的帧内预测模式和预测残差能量进行区域划分;在P帧中,利用帧间预测残差能量来更新区域划分结果,对部分区域的运动矢量进行归零化处理。再根据P帧中的分块模式,采用不同的滤波器对运动矢量进行滤波;最后利用滤波后的运动矢量信息建立对应的Gibbs势能函数,采用迭代条件模式方法求解最大后验概率,得到可靠的运动对象标记。实验结果表明,该运动对象分割算法可以获得有效并可靠的分割结果。     

基于时空信息的运动目标分割算法

为了提高运动目标分割质量,提出一种基于时空信息的运动目标分割算法。首先利用回声状态网络仿射参数进行估计实现运动目标背景补偿,并采用非下采样轮廓波变换对视频图像进行消噪处理,然后采用标记分水岭算法对分割区域进行标记,并融合自适应光流法对运动目标进行分割,最后采用仿真实验测试算法性能。仿真实验表明,本文算法大幅度减少了运动目标分割误差,提高了分割精度,具有较强的鲁棒性。     

一种基于内容的视频对象分割算法

提出了一种基于内容的视频对象分割算法。该算法先对分块的图像进行运动估计，利用运动矢量初步分割运动前景和背景，对于产生的背景噪声使用改进的中值滤波算法滤除，并用形态学的方法恢复出运动物体。实验结果表明：该算法能够较好地从视频序列中分割运动前景和背景，比较适合于在基于内容的视频编码标准MPEG-4中使用。     

H.264压缩域中mean-shift聚类运动目标分割算法

针对视频监控、检索,提出了一 种在H.264压缩域下运动对象分 割的新算法。根据实际监控应用特点,算法主要利用H.264码流中提 取的运动矢量(MV)、分块尺寸信息对原始的MV场(MVF)进 行可靠性分析以及空间滤波、mean-shift聚类处理,从而得到可信度较高的 MVF场。首先,从H.264码流中获取原 始MV 并进行归一化处理,同时对原始MVF进行两步空间滤波;其次,对不同的块大 小分配相应的权值作为每个样本 的权重系数,将处理之后的MVF作为样本空间,利用mean-shift聚类获取 真实的MVF;最后,根据可靠的MVF 标记运动目标。实验结果表明,本文提出的mean-shift聚类运动目标分割算 法可以获得有效并可靠的分割结果。     

A novel moving object segmentation framework utilizing camera motion recognition for H.264 compressed videos

This paper presents a novel coarse to fine moving object segmentation framework for H.264/AVC compressed videos. The proposed framework integrates the global motion estimation and global motion compensation steps in the segmentation pipeline unlike previous techniques which did not consider such an integration. The integration is based on testing for presence of global motion by classifying the interframe motion vectors into moving camera class and still camera class. The decision boundary separating these two classes is learnt from the training video data. The integration automates the moving object segmentation to be applicable for static, moving and combination of static/moving camera cases which to the best of our knowledge has not been carried out earlier. Further, a novel coarse segmentation technique is proposed by decomposing the inter-frame motion vectors into wavelet sub-bands and utilizing logical operations on LH, HL and HH sub-band wavelet coefficients. The premise is based on the fact that since the LH, HL and HH sub-bands contain the detail information pertaining to horizontal, vertical and diagonal moving blocks respectively, they can be exploited to identify the coarse moving boundaries. The coarse segmentation is fast in comparison to state-of-the-art coarse segmentation methods as demonstrated by our experiments. Finally, these coarse boundaries are modeled in an energy minimization framework and shown that by minimizing the energy using graph cut optimization the segmentation is refined to obtain the fine segmentation. The proposed framework is tested on a number of standard video sequences encoded with H.264/AVC JM encoder and comparison is carried out with state-of-the-art compressed domain moving object segmentation methods as well as with an existing state-of-the-art pixel domain method to establish and validate the proposed moving object segmentation framework.     

基于运动目标的快速背景建模算法

针对智能交通车流量检测系统,提出了一种适用于嵌入式系统的快速轻量背景建模方法.该方法先由帧差法过滤视频序列,抽取运动物体少的帧进行存储,再利用改进的高斯模型快速学习获得基础模型,并结合帧差和像素统计的方法对背景模型进行自适应更新,对传统混合高斯模型的缺陷进行了改善,在基于 TMS320DM648的图像处理客户端上表现出较好的实时性和天气适应性,以及更高的处理效能.     

A human visual system-driven image segmentation algorithm

This paper presents a novel image segmentation algorithm driven by human visual system (HVS) properties. Segmentation quality metrics, based on perceptual properties of HVS with respect to segmentation, are integrated into an energy function. The energy function encodes the HVS properties from both region-based and boundary-based perspectives, where the just-noticeable difference (JND) model is employed when calculating the difference between the image contents. Extensive experiments are carried out to compare the performances of three variations of the presented algorithm and several representative segmentation and clustering algorithms available in the literature. The results show superior performance of our approach.     

运动目标的计算机红外成像仿真

运动目标的计算机红外成像仿真有着广泛的应用价值。提出了适用于运动目标红外图像生成的模型和绘制方法,在考虑到大气传输和传感器噪声对红外成像的影响后,给出了不同类型的运动目标的红外图像。实验结果表明,该方法模拟效果真实,算法可靠。     

一种新的曲线演化混合模型图像分割算法

本文在Mumford-Shah模型的基础上，将传统几何曲线演化的驱动力（图像梯度局部信息）、Mumford-Shah模型的全局信息以及水平集的符号距离函数统一在一个变分框架之下，完成曲线演化过程的数值计算。本混合模型无需重新计算演化曲线的初始位置，可选择较大时间步长。实验结果表明，新的混合模型既保留了原有曲线演化模型的优势，又能高效稳健、快速地完成曲线演化过程。     

运动目标的自动分割与跟踪

该文提出了一种对视频序列中的运动目标进行自动分割的算法。该算法分析图像在L U V空间中的局部变化,同时使用运动信息来把目标从背景中分离出来。首先根据图像的局部变化,使用基于图论的方法把图像分割成不同的区域。然后,通过度量合成的全局运动与估计的局部运动之间的偏差来检测出运动的区域,运动的区域通过基于区域的仿射运动模型来跟踪到下一帧。为了提高提取的目标的时空连续性,使用Hausdorff跟踪器对目标的二值模型进行跟踪。对一些典型的MPEG-4测试序列所进行的评估显示了该算法的优良性能。     

基于帧差法的运动车辆阴影去除算法

在视频交通车辆目标检测中,阴影问题是影响其检测准确性的关键问题之一.为了解决这个问题,提出了一种结合单模高斯模型和帧差法的运动目标阴影去除方法.首先通过单模高斯模型背景建模获取前景包括阴影在内的目标图像,再结合帧差法去除阴影.实验结果证明,该方法得到的车辆目标比较完整,并较好地去除了运动车辆阴影.     

视频对象分割研究的发展

讨论了视频对象分割技术的发展及研究现状，介绍了时域分割、空域分割以及时空联合分割等技术，提出了一种基于累积帧差的视频对象分割算法。     

基于宏块类型信息的快速视频分段算法

提出了一种基于宏块类型信息的快速视频分段算法:对MPEG视频流进行两次分析,第一次(粗略分析)只分析P-帧中宏块统计信息,检测出可能存在的镜头边界,第二次(精确分析)再对粗略分析找出的边界邻近的B-帧和P-帧的宏块类型进行分析,从而对场景变换进行精确分析和定位。实验结果表明,粗略分析可以满足实时检测的速度要求,帧定位误差控制在10帧之内,精确分析可以进一步把帧定位误差控制在2帧之内。     

基于模糊C均值聚类与空间信息相结合的图像分割新算法

针对传统的模糊C均值聚类（FCM）图像分割方法未考虑图像的空间信息,对噪声十分敏感的问题,本文提出了一种结合空间信息的模糊C均值聚类分割新算法;该算法将图像的二维直方图引入传统的模糊C均值聚类算法中,并对隶属函数做了改进;依据平方误差和最小准则,来确定模糊分类矩阵及聚类中心;最后,依据最大隶属度原则,划分图像像素的类别归属,以改善传统的PCM算法的分割质量。实验结果表明,该算法显示了较好的分割效果和较强的抗噪性能。     

基于形变模型的图像分割技术综述

基于形变模型的图像分割技术是近年来兴起的一种新型图像分割方法,已有相当广泛的研究。该技术为如何有效地从图像中分割出不规则对象及自然对象指出了一条佳径。该文简要介绍基于形变模型图像分割技术的基本原理和发展历程。按技术发展的线索介绍各种典型的形变模型表示形式,提出各种表示形式的优缺点,分析基于形变模型的图像分割的各种技术所存在的缺点,并建议了可能的研究方向。