基于時空分析的目標提取算法研究與應用.pdf

1、顯著目標提取屬于中級視覺范疇，通過檢測視覺輸入中具有獨立視覺意義的顯著結(jié)果，向高級視覺任務提供更佳的輸入，是計算機視覺領(lǐng)域中非常重要的研究課題。本文基于圖像序列的時域和空域分析，綜合考慮運動、顏色、紋理等多種時空特征，研究顯著目標的提取算法，并將其應用到目標的檢測、識別和視頻分割等領(lǐng)域。
　　本文以圖像序列為輸入，提出基于時空分析的目標提取算法，本文的主要工作如下:
　　1、由于相似度計算中歸一化問題對于聚類結(jié)果的好壞非常重

2、要，本文對長點軌跡的時空結(jié)構(gòu)特征進行了研究，提出了一種基于自適應尺度因子的顯著目標提取算法。在Brox數(shù)據(jù)集上的實驗結(jié)果證明，該算法在聚類后目標提取的準確性方面較Brox的算法更優(yōu)。
　　2、針對Brox算法中很多長點軌跡并不能夠反映出圖像中的顯著目標問題，并且長點軌跡數(shù)目過多導致相似度計算和聚類的效率低下。文中在運用邊緣特征來優(yōu)化長點軌跡的基礎(chǔ)上，提出了基于邊緣的長軌跡顯著目標的輪廓編組算法，該算法不僅能夠減少相似度計算和聚類的

3、復雜度問題，而且得到的輪廓編組結(jié)果更能體現(xiàn)出圖像中的顯著目標。在Brox數(shù)據(jù)集上的實驗結(jié)果證明，該算法在速度和目標提取的準確性方面較Brox的算法和Alex的算法更優(yōu)。
　　3、針對長點軌跡相似度定義困難和點軌跡數(shù)量大導致計算相似度和聚類復雜的問題，文中將提取的邊緣片段作為編組元，分別提取編組元的顏色、紋理、運動和時域特征并將提取的多特征相似度進行融合，提出了基于邊緣的多特征顯著目標輪廓編組算法，算法不僅解決了上述點軌跡算法存在的