視頻對象自動分割技術(shù)及其細(xì)胞神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法的研究.pdf

1、傳統(tǒng)的視頻壓縮編碼標(biāo)準(zhǔn)MPEG1/2和H.26x都采用基于幀的技術(shù)，不要求對場景進(jìn)行分割。它們能獲得較高的壓縮比，并在許多領(lǐng)域得到了廣泛的應(yīng)用。隨著多媒體信息的日益豐富，人們不再滿足于對視頻信息的簡單瀏覽，而要求提供基于對象的操縱、交互等功能。 為此，MPEG組織提出了第二代視頻壓縮標(biāo)準(zhǔn)MPEG-4，MPEG-4最顯著的特征之一就是基于對象的編碼方式。要實(shí)現(xiàn)基于對象的視頻編碼，首先要進(jìn)行視頻對象分割。視頻對象分割是指在時(shí)空域上將

2、視頻分割為一些視頻語義對象的集合，也就是將每一個(gè)視頻幀分割為一些不同語義對象區(qū)域。事實(shí)上，視頻對象分割技術(shù)不僅僅可以為MPEG-4服務(wù)，在許多計(jì)算機(jī)視覺領(lǐng)域都能發(fā)揮視頻對象分割技術(shù)的作用。視頻對象分割技術(shù)有很廣闊的應(yīng)用前景，其中的一些典型例子包括視頻編碼、視頻制作和編輯、視頻檢索、視頻監(jiān)控等。 視頻對象分割是計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)難點(diǎn)，這主要是由于現(xiàn)實(shí)世界中場景的復(fù)雜性和多樣性，很難建立一個(gè)統(tǒng)一的先驗(yàn)?zāi)Ｐ?，這就決定了很難找到一種

3、單一的方法來完成這項(xiàng)任務(wù)。研究通用視頻對象分割方法的困難還來自于對“語義對象”的定義：視頻對象的分割不僅僅是低層次的視覺分割，還涉及到高層次的語義定義和特征提取。所以，盡管視頻對象分割算法的研究得到了廣泛的重視，并且已經(jīng)提出了眾多的算法，但是，視頻對象分割算法與MPEG-4標(biāo)準(zhǔn)的要求相比還遠(yuǎn)未成熟。概括起來，目前的視頻對象算法主要存在以下一些問題：首先，目前還不存在一種適合于所有序列的通用算法；其次，由于分割過程中計(jì)算量大，尚難滿足實(shí)時(shí)

4、性要求。 本論文重點(diǎn)研究MPEG-4框架下從視頻序列中分割出視頻對象的方法和技術(shù)，針對目前的視頻分割算法大多數(shù)難以滿足實(shí)時(shí)性要求的缺點(diǎn)，引入細(xì)胞神經(jīng)網(wǎng)絡(luò)來解決。 論文主要工作包括以下幾個(gè)方面： 1)提出了一種基于邊緣投影的頭肩序列人臉提取算法。通過對頭肩序列進(jìn)行分析，可知面部的運(yùn)動細(xì)節(jié)比較豐富，也比較集中。因此可以通過對幀間差分圖像做水平和垂直投影，確定人臉的大致坐標(biāo)，搜尋范圍變?yōu)橐粋€(gè)矩形小區(qū)域。之后對這小塊區(qū)域

5、使用游程編碼進(jìn)行區(qū)域劃分，結(jié)合前面得到的幀差運(yùn)動信息，提取出人臉區(qū)域。這種算法綜合利用了空間灰度信息和運(yùn)動信息，因而能夠比較準(zhǔn)確地分割出人臉。 2)提出了兩種頭肩序列中視頻對象的分割算法。其中一種是時(shí)空結(jié)合的視頻對象分割方法，首先使用幀間差分得到運(yùn)動信息，然后使用灰度連通區(qū)域標(biāo)記法對圖像進(jìn)行空間劃分，最后結(jié)合兩種信息得到最終的對象。另外一種是基于最大梯度淹沒區(qū)域聚類的快速分割算法。由于頭肩序列中通常都有大片相同顏色的背景區(qū)域，這

6、樣在經(jīng)過梯度淹沒后，就會在背景區(qū)域出現(xiàn)大片的集水盆，而最大集水盆對應(yīng)的邊緣就會近似頭肩序列的對象邊緣，然后對邊緣附近像素從灰度、歐拉距離等特征出發(fā)進(jìn)行多尺度聚類分析，達(dá)到精確分割的目的。 3)提出了一種適合于運(yùn)動和靜止背景的基于光流和改進(jìn)的分水嶺的視頻對象分割方法。這種方法也是一種時(shí)空聯(lián)合的方法，首先對待處理圖像進(jìn)行形態(tài)學(xué)重建濾波預(yù)處理，然后使用多尺度形態(tài)學(xué)算法求取梯度，對梯度淹沒形成集水盆后使用改進(jìn)的分水嶺算法進(jìn)行區(qū)域劃分；利