基于DIRECT算法的運(yùn)動(dòng)目標(biāo)分割.pdf

1、運(yùn)動(dòng)目標(biāo)的分割是計(jì)算機(jī)視覺(jué)領(lǐng)域里一個(gè)重要的研究方向，它是一個(gè)應(yīng)用基礎(chǔ)研究并富于挑戰(zhàn)性。它不限于某個(gè)特定問(wèn)題，而是應(yīng)用了多學(xué)科的理論，對(duì)該領(lǐng)域的研究具有重要的理論價(jià)值和實(shí)際意義。多年來(lái)，隨著不斷的深入研究和實(shí)踐，以及多媒體技術(shù)的迅猛發(fā)展，運(yùn)動(dòng)分割的研究已經(jīng)取得了很大的進(jìn)展，并應(yīng)用于很多領(lǐng)域。但是迄今為止這個(gè)課題仍然存在許多問(wèn)題沒(méi)有解決。 本文首先對(duì)目前的一些常用的運(yùn)動(dòng)分割理論算法特點(diǎn)及不足給出了簡(jiǎn)要的評(píng)述；然后著重從三個(gè)方面詳細(xì)的

2、闡述了本文采用的分割的理論和方法： 第一，通過(guò)基于HOS的運(yùn)動(dòng)檢測(cè)確定一個(gè)初始的運(yùn)動(dòng)變化區(qū)。首先，本文簡(jiǎn)要介紹了基于幀差運(yùn)動(dòng)檢測(cè)方法及幀間差分模型，然后以幀差圖像為基礎(chǔ)，采用HOS統(tǒng)計(jì)的方法來(lái)檢測(cè)運(yùn)動(dòng)變化區(qū)。對(duì)于HOS理論中的閾值的選擇，本文采用了迭代更新計(jì)算的方法對(duì)整個(gè)差分圖像的相對(duì)噪聲進(jìn)行估計(jì)，并將其噪聲方差作為二值化的閾值。 第二，基于參數(shù)模型的運(yùn)動(dòng)估計(jì)。在這一部分里，本文采用軸仿射模型作為運(yùn)動(dòng)模型，并采用一種取值

3、有界的全局最優(yōu)化算法DIRECT算法作為本文運(yùn)動(dòng)模型參數(shù)估計(jì)的算法。本文運(yùn)動(dòng)的估計(jì)是根據(jù)絕對(duì)位移幀差為準(zhǔn)則定義運(yùn)動(dòng)目標(biāo)函數(shù)，通過(guò)運(yùn)動(dòng)區(qū)域檢測(cè)變化區(qū)確定每個(gè)運(yùn)動(dòng)目標(biāo)的矩形支持區(qū)，并提取初始的軸仿射模型參數(shù)，然后采用DIRECT算法估計(jì)出軸仿射模型參數(shù)，并轉(zhuǎn)換成傳統(tǒng)仿射模型參數(shù)，最終作為運(yùn)動(dòng)估計(jì)的結(jié)果。這種方法是建立在軸仿射模型與傳統(tǒng)仿射模型的等價(jià)關(guān)系上，通過(guò)主軸進(jìn)行估計(jì)。這樣估計(jì)的像素少，速度快，同時(shí)使運(yùn)動(dòng)參數(shù)的幾何意義簡(jiǎn)單化，容易確定其

4、相鄰參數(shù)及參數(shù)的變化范圍。 第三，基于MRF模型的目標(biāo)分割。在這一部分里，本文首先對(duì)MRF基本理論做了簡(jiǎn)要介紹；其次，計(jì)算每個(gè)像素點(diǎn)與經(jīng)過(guò)每組仿射變換后所得到的下一幀像素點(diǎn)的灰度絕對(duì)差，并將此絕對(duì)差定義為本文的MRF能量函數(shù)數(shù)據(jù)項(xiàng)，最后采用基于圖論的擴(kuò)展移動(dòng)算法實(shí)現(xiàn)MRF能量函數(shù)最小化。通過(guò)實(shí)驗(yàn)結(jié)果，與以往的傳統(tǒng)條件迭代模式算法對(duì)比，實(shí)驗(yàn)證明，基于擴(kuò)展移動(dòng)的MRF算法能得出一個(gè)比較準(zhǔn)確的分割結(jié)果。 本文將上述三個(gè)部