復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)分割算法研究.pdf

1、在圖像處理領(lǐng)域，視頻圖像序列中運(yùn)動(dòng)目標(biāo)的分割與跟蹤是一個(gè)被廣泛研究的熱點(diǎn)。在眾多的分割和跟蹤方法中，本文將研究對(duì)象定位在具有一定復(fù)雜背景下的運(yùn)動(dòng)物體，采用馬爾可夫隨機(jī)場(chǎng)模型(MRF)作為本文分割的主要算法，但是基于MRF的圖像分割算法存在算法時(shí)間復(fù)雜度高，處理速度慢以及參數(shù)估計(jì)不準(zhǔn)確等缺點(diǎn)，這些缺點(diǎn)一直是該方法應(yīng)用于工程實(shí)踐的最大障礙。 此外，傳統(tǒng)的MRF圖像分割方法大多適用于背景簡(jiǎn)單的場(chǎng)合，而對(duì)于復(fù)雜的背景，像背景光線的突然變

2、化，背景中物體變化(包含隨風(fēng)擺動(dòng)的樹枝，噴泉等)，無(wú)法獲得令人滿意的效果，因此本文針對(duì)這些缺點(diǎn)進(jìn)行了改進(jìn)。 大多數(shù)視頻圖像處理的問(wèn)題可以歸結(jié)為一個(gè)標(biāo)記獲取的問(wèn)題，也就是說(shuō)，一個(gè)視頻處理圖像問(wèn)題的解決方案就是給圖像中所有的像素點(diǎn)分配一系列的標(biāo)記。采用馬爾可夫隨機(jī)場(chǎng)，運(yùn)動(dòng)目標(biāo)分割可以歸結(jié)為事先觀察場(chǎng)和其它一系列約束條件下對(duì)圖像初始標(biāo)記場(chǎng)進(jìn)行優(yōu)化，從而得到優(yōu)化標(biāo)記場(chǎng)的問(wèn)題。 而初始標(biāo)記場(chǎng)的選取對(duì)馬爾可夫隨機(jī)場(chǎng)分割算法有著重要的

3、影響。如果初始標(biāo)記場(chǎng)選取和實(shí)際偏差較大，不能獲得理想的分割結(jié)果，而且，在全局優(yōu)化時(shí)，也不利于算法的收斂。 為了得到較為準(zhǔn)確的初始標(biāo)記場(chǎng)，本文對(duì)Gibbs能量函數(shù)做了改進(jìn)。將彩色圖像的R、G、B三個(gè)分量分別標(biāo)記獲得原始初始標(biāo)記場(chǎng)，再利用改進(jìn)后的能量函數(shù)對(duì)R、G、B獲得的原始標(biāo)記場(chǎng)重新標(biāo)記，獲得最終的初始標(biāo)記場(chǎng)，即對(duì)原始標(biāo)記場(chǎng)的一次優(yōu)化處理。 為了提高基于MRF的圖像分割速度，本文從去除冗余的計(jì)算量出發(fā)，先用對(duì)稱差分算法檢測(cè)