论文部分内容阅读
视频编码技术历经了近30年的发展和标准化,成功实现了从“波形”编码到“模型”编码的转变,更通用、更强大的第二代编码方式成为多媒体技术的主要发展趋势。MPEG-4标准就是在这种背景下应运而生的,该标准是面向对象的,即以视频序列中前景对象的分割为前提,这也正是视频分割成为目前研究热点的原因之一。本文的工作重点是从具有静止背景的噪声视频序列中提取前景运动物体。在对比国内外关于对象分割算法性能的基础上,本文结合静止背景的视频序列的特点,采用基于变化检测的分割方法来实现对象的提取,该过程包含变化检测、边缘提取和对象跟踪三部分,各部分的工作体现如下:(1)在变化检测部分中,对高阶统计理论进行深入分析与研究,并与两次帧差相结合,针对具有静止背景的噪声视频序列,提出一种基于两次帧差高阶统计的变化检测方法,准确有效地提取出关键帧中的VOP。(2)在边缘检测中,噪声消除与边缘定位是两个相互矛盾的部分,是一个“两难”问题。本文从边缘检测的“两难”问题出发,对小波变换和多分辨率分析在边缘检测中的应用进行了分析和研究,并与图像的不变矩特征相结合,提出一种小波多尺度边缘检测的方法。实验证明该方法实时性好,并且抗噪能力明显提高。(3)在对象跟踪三部分中,对Hausdorff距离在图像匹配算法中的应用作了探讨,提出了改进的Hausdorff距离跟踪方法。该算法用改进的Hausdorff距离跟踪器在目标附近邻域来实现目标的跟踪,大幅度减低大范围全局跟踪匹配的时间复杂度,然后根据跟踪到目标的二值模型来提取出运动目标。改进的Hausdorff距离采用平均Hausdorff距离代替排序Hausdorff距离。实验表明,该策略加快了匹配过程,提高了抗噪性能,能准确跟踪出运动目标。在对分割和跟踪策略进行研究的同时,注意到算法的适用性,强调了运动分割与时域跟踪之间的紧密联系。在对象提取策略中加入了预处理及后处理方法,为算法的有效应用提供了保证。