交互式分割及目標(biāo)定位在視頻場景與虛擬圖像融合中的研究.pdf

1、圖像分割和目標(biāo)跟蹤技術(shù)是計算機(jī)視覺領(lǐng)域的重要的研究方向，在模式識別、圖像編輯、智能監(jiān)控等領(lǐng)域有著廣泛的應(yīng)用。我們把圖像分割和目標(biāo)跟蹤應(yīng)用到視頻真實場景與虛擬圖像融合問題之中，研究并改進(jìn)了相關(guān)算法，并針對該問題設(shè)計了一套解決方案。論文以實現(xiàn)逼真的圖像融合效果為目的，提出了以交互式分割獲得場景中背景目標(biāo)的邊界，以8參數(shù)透視模型為基礎(chǔ)估計目標(biāo)的透視變換參數(shù)，并以高分辨率重采樣進(jìn)行圖像融合的算法思想。 在交互式分割環(huán)節(jié)，論文采用了基于最

2、大流的Graph Cuts方法，討論了通過分水嶺變換、區(qū)域合并進(jìn)行預(yù)分割，在預(yù)分割區(qū)域上構(gòu)造能量函數(shù)，并且在用最大流算法最小化能量函數(shù)時，提出了通過減小待分割圖像的有效分割范圍來降低流網(wǎng)絡(luò)的復(fù)雜度，以加快Graph Cuts分割速度的方法。 在參數(shù)估計環(huán)節(jié)，論文詳細(xì)分析了在灰度不變性條件下建立代價函數(shù)，并運用Levenberg-Marquardt算法來估計透視參數(shù)的方法，并在此基礎(chǔ)上提出了一種減少迭代計算量的LM改進(jìn)算法。同時本

3、文采用由粗至精的圖像金字塔數(shù)據(jù)結(jié)構(gòu)，在每層金字塔上對透視參數(shù)逐步求精，進(jìn)一步減少了計算量并避免了誤匹配。除此之外，為了保證在目標(biāo)快速運動時算法的魯棒性，本文提出了將卡爾曼濾波、Mean Shift和基于透視模型的參數(shù)估計相結(jié)合的目標(biāo)跟蹤算法，實驗表明此算法可以在目標(biāo)快速運動時仍能準(zhǔn)確估計透視參數(shù)。 最后本文采用了一種將輸出圖像坐標(biāo)變換到輸入圖像坐標(biāo)，并且在高分辨率輸入圖像上重采樣的圖像融合方法。并且在融合時考慮到光照影響，對輸入