基于能量最小化圖割的圖像與視頻目標(biāo)精確分割研究.pdf

1、圖像與視頻目標(biāo)的精確分割問(wèn)題,是計(jì)算機(jī)視覺(jué)的一個(gè)重要研究方向,也是諸如視覺(jué)檢測(cè)、跟蹤、識(shí)別等眾多基于圖像和視頻分析的視覺(jué)應(yīng)用的重要基礎(chǔ),能為各種應(yīng)用提供低層的數(shù)據(jù)特征,因此對(duì)該問(wèn)題的研究具有重要的意義和實(shí)用價(jià)值?；诮y(tǒng)計(jì)方法的圖像與視頻目標(biāo)分割中采用的先驗(yàn)假設(shè)為:目標(biāo)的相似性和不一致性。相似性主要表現(xiàn)為目標(biāo)區(qū)域內(nèi)像素特征的相似性,而不一致性主要表現(xiàn)為目標(biāo)區(qū)域與背景的不一致性。相應(yīng)地,圖像目標(biāo)分割可以利用的信息主要包括:顏色,紋理,對(duì)比度

2、等；視頻目標(biāo)分割可利用的信息還包括運(yùn)動(dòng)信息以及立體信息等。
　　 近年來(lái),大量研究表明,利用統(tǒng)計(jì)方法建立目標(biāo)和背景模型,并依據(jù)最大后驗(yàn)準(zhǔn)則進(jìn)行判決,是解決圖像與視頻中目標(biāo)精確分割問(wèn)題的一條有效途徑?；诮y(tǒng)計(jì)方法的圖像與視頻目標(biāo)精確分割所面臨的難點(diǎn)主要在于:(1)包括多模態(tài)的目標(biāo)和背景模型,以及各類(lèi)先驗(yàn)假設(shè)在內(nèi)的有效描述；(2)眾多分割信息的有效融合與處理。MAP-MRF方法為圖像與視頻目標(biāo)精確分割問(wèn)題提供了完備的數(shù)學(xué)描述,使得充

3、分利用各類(lèi)信息來(lái)提高目標(biāo)分割的精確度更為有據(jù)可循,基于圖模型的能量最小化方法則為此提供良好的求解基礎(chǔ)。本文在回顧與分析眾多目標(biāo)分割方法的基礎(chǔ)上,將目標(biāo)分割問(wèn)題描述為相應(yīng)的能量函數(shù)最小化問(wèn)題,基于能量最小化圖割提出了一系列新的圖像與視頻目標(biāo)精確分割方法。
　　 具體來(lái)講,本文工作的主要?jiǎng)?chuàng)新如下:
　　 (1)深入分析了基于馬爾可夫隨機(jī)場(chǎng)和最大后驗(yàn)的方法,以及基于圖割的能量最小化方法,并探討了基于圖形處理器硬件加速的圖割算法

4、實(shí)現(xiàn)。
　　 (2)針對(duì)紅外圖像的特點(diǎn),提出了一種由粗到細(xì)的兩級(jí)紅外目標(biāo)精確自動(dòng)提取算法。該方法首先基于加權(quán)信息熵檢測(cè)約束目標(biāo)區(qū)域；其次,將目標(biāo)精確分割描述為能量最小化函數(shù),基于圖割方法獲取精確分割的目標(biāo)區(qū)域:最后將該方法應(yīng)用至基于圖像分析的金屬材料硬度檢測(cè)中。
　　 (3)提出了一種基于分層圖割的交互式彩色圖像目標(biāo)精確分割算法,由高層目標(biāo)整體區(qū)域分割以及低層目標(biāo)邊緣精細(xì)分割兩部分組成,用戶(hù)能夠在不同尺度和層次上進(jìn)行交互

5、操作,算法能同時(shí)滿足分割精度和效率上的要求。最后,將該方法成功應(yīng)用于中醫(yī)舌診客觀化系統(tǒng)中。
　　 (4)根據(jù)城市戶(hù)外環(huán)境中近紅外視頻的成像屬性,提出了相應(yīng)前景和背景模型,能有效克服信噪比低、極性變化大、目標(biāo)周?chē)嬖诖罅抗鈺灥忍魬?zhàn)。
　　 (5)對(duì)于復(fù)雜動(dòng)態(tài)可見(jiàn)光視頻中運(yùn)動(dòng)目標(biāo)與背景顏色分布重疊的問(wèn)題,提出了一種綜合目標(biāo)時(shí)間持續(xù)性和空間一致性約束的自適應(yīng)前景模型。
　　 (6)提出了一個(gè)基于條件隨機(jī)場(chǎng)的視頻目標(biāo)分割