基于多線索的立體視頻對象分割.pdf

1、當今社會對數(shù)字化視頻的需求越來越多，對視頻服務的要求也越來越高。除了要求更快的傳輸速度、更小的存儲空間外，還需要即時點播(VOD)、遠程視頻通信(如視頻會議)、遠程醫(yī)學診斷、視頻數(shù)據(jù)庫瀏覽和關鍵幀檢索等更高級的視頻服務。基于視頻內(nèi)容的處理技術是實現(xiàn)這些需求的主要措施，而對于基于內(nèi)容的視頻處理來說，視頻對象分割是其關鍵技術?，F(xiàn)有的基于單視點的視頻對象分割技術還不能很好地對語義對象進行精確分割，而對于立體視頻來說，可以獲得單視點視頻中所沒有

2、的深度(視差)信息，深度信息是接近語義的，這對于對象分割是十分有利的。本文采用基于視差分析的方法，結合邊緣、運動以及顏色等多種線索，較精確地分割視頻對象，解決了在時空分割中難以解決的問題，或者用相對簡單的方法分割出在單視點視頻中需用復雜方法才能分割的視頻對象。 本文在比較了基于區(qū)域和基于特征的視差匹配各自優(yōu)缺點后，實現(xiàn)了一種基于區(qū)域的視差估計方法。本方法采取優(yōu)化搜索路徑的措施提高了匹配速度。針對傳統(tǒng)視差匹配計算量大、誤匹配率高的

3、問題，本文還提出了一種基于特征約束的立體匹配新方法。能在比較精確的邊緣特征點視差值的約束下，將非邊緣特征點的匹配搜索區(qū)域大大縮小，不但可以減少計算量，而且還能保證匹配的可靠性。 采用上述改進的基于區(qū)域視差估計方法，本文提出了一種基于視差和閾值的立體視頻對象分割算法。首先對圖像進行視差估計，并對所得到的結果作數(shù)學形態(tài)學的處理，然后針對不同的對象分別采用迭代閾值法和自適應閾值法進行二次分割，最終提取出對象。本方法適用于攝像機與靜止景