基于MPM-MAP框架的運(yùn)動(dòng)目標(biāo)分割與跟蹤.pdf

1、運(yùn)動(dòng)目標(biāo)分割與跟蹤在軍事、氣象、地質(zhì)、商業(yè)傳媒等很多領(lǐng)域都有著廣泛的應(yīng)用，是模式識(shí)別、圖像處理、計(jì)算機(jī)視覺等領(lǐng)域的重要課題。本文首先對(duì)運(yùn)動(dòng)目標(biāo)分割與跟蹤的研究現(xiàn)狀進(jìn)行了分析與總結(jié)，介紹了該領(lǐng)域現(xiàn)有的研究方法，取得的成就以及存在的問題。 本文采用最大后驗(yàn)邊緣概率(MPM—MAP)算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)分割，MPM—MAP算法是在最大后驗(yàn)概率(MAP)圖像分割算法的基礎(chǔ)上發(fā)展而來的。這類算法既能估計(jì)運(yùn)動(dòng)參數(shù)，又能分割出運(yùn)動(dòng)目標(biāo)，具有結(jié)果準(zhǔn)

2、確，適應(yīng)廣泛的特點(diǎn)。MPM—MAP算法在形式上明確了通過兩步估計(jì)運(yùn)動(dòng)參數(shù)和運(yùn)動(dòng)目標(biāo)所對(duì)應(yīng)的區(qū)域(支持區(qū))；采用二值標(biāo)記場(chǎng)表示支持區(qū)，從而使計(jì)算簡化。該算法比MAP算法和期望最大化(EM)算法更靈活，速度更快。 本文從MAP運(yùn)動(dòng)分割算法入手，詳細(xì)介紹了MPM—MAP算法的理論框架，還分析了MPM—MAP算法與MAP算法及EM算法的區(qū)別。在此基礎(chǔ)上本文對(duì)該框架中的數(shù)據(jù)平滑算法——基于馬爾可夫隨機(jī)場(chǎng)(MRF)模型的算法進(jìn)行了改進(jìn)。改進(jìn)

3、后的算法利用MPM—MAP算法中的二值標(biāo)記表示法，統(tǒng)一更新圖像標(biāo)記場(chǎng)數(shù)據(jù)，通過均值濾波器實(shí)現(xiàn)MRF能量函數(shù)的計(jì)算，在保持算法平滑效果的同時(shí)提高了MRF算法的運(yùn)行速度。 傳統(tǒng)的MPM—MAP算法雖然運(yùn)行速度比相近的MAP算法和EM算法有較大提高，但仍存在一些缺點(diǎn)。如缺乏有效的運(yùn)動(dòng)目標(biāo)數(shù)和初始運(yùn)動(dòng)參數(shù)的估計(jì)方法；常采用的估計(jì)運(yùn)動(dòng)參數(shù)的最優(yōu)化方法依賴于初值，對(duì)目標(biāo)函數(shù)要求可導(dǎo)等。MRF平滑方法雖然效果很好，但用于迭代過程中時(shí)，即使是快

4、速算法仍然運(yùn)行時(shí)間較長。 針對(duì)以上缺點(diǎn)，本文提出了以下改進(jìn)方法。本文改變了MPM—MAP算法中數(shù)據(jù)平滑項(xiàng)的定義，定義平滑項(xiàng)為運(yùn)動(dòng)目標(biāo)備選像素的密度，選擇備選像素密度最大的矩形區(qū)域?yàn)檫\(yùn)動(dòng)支持區(qū)。采用區(qū)域收縮算法實(shí)現(xiàn)圖像平滑、去除噪聲，該算法不僅可以消除噪聲，還可以對(duì)運(yùn)動(dòng)目標(biāo)定位并計(jì)算運(yùn)動(dòng)目標(biāo)的特征矩形。區(qū)域收縮算法相對(duì)MRF算法具有運(yùn)行速度快的優(yōu)勢(shì)。除可以用于支持區(qū)估計(jì)結(jié)果上，區(qū)域收縮算法也可以用于差分二值圖像，本文采用連通區(qū)域包

5、圍盒與區(qū)域收縮算法相結(jié)合的方法估計(jì)初始支持區(qū)，將傳統(tǒng)算法先假設(shè)運(yùn)動(dòng)參數(shù)再估計(jì)運(yùn)動(dòng)支持區(qū)的順序改為先估計(jì)支持區(qū)后估計(jì)運(yùn)動(dòng)參數(shù)，提高了初始參數(shù)估計(jì)的準(zhǔn)確性。 本文選擇運(yùn)動(dòng)模型為6參數(shù)仿射模型。在區(qū)域收縮算法的基礎(chǔ)上，本文提出一種基于矩形區(qū)域主軸的軸仿射模型。該模型通過矩形區(qū)域的兩個(gè)主軸估計(jì)仿射運(yùn)動(dòng)參數(shù)，其優(yōu)點(diǎn)主要有以下幾點(diǎn)。一是在不影響運(yùn)動(dòng)參數(shù)估計(jì)準(zhǔn)確性的前提下提高了運(yùn)動(dòng)估計(jì)的速度；二是使仿射運(yùn)動(dòng)參數(shù)具有明確的幾何意義，容易確定一個(gè)

6、初始參數(shù)的范圍，使參數(shù)估計(jì)的最優(yōu)化算法除傳統(tǒng)的基于梯度的方法及隨機(jī)最優(yōu)化方法外，可以使用搜索類的算法。本文選擇一種較新的取值有界的最優(yōu)化算法—DIRECT算法實(shí)現(xiàn)運(yùn)動(dòng)參數(shù)的估計(jì)。該算法不要求目標(biāo)函數(shù)可導(dǎo)，也不用假設(shè)初值。所以，軸仿射運(yùn)動(dòng)模型與DIRECT算法的結(jié)合提高了參數(shù)估計(jì)的準(zhǔn)確性、穩(wěn)定性和魯棒性。 本文對(duì)上述算法與模型進(jìn)行了詳細(xì)介紹。最后，本文將上述算法應(yīng)用于運(yùn)動(dòng)目標(biāo)跟蹤。本文的跟蹤算法采用矩形表示法，基于區(qū)域收縮的MPM