一种基于背景的视频运动对象分割算法

就如何从视频序列中分割出具有语义意义的运动对象，本文提出了一种自动的基于背景的运动对象分割算法，利用颜色、形状和灰度等特征对第一帧图像进行初步分割，然后根据帧间运动信息构造背景图像，最后以背景图像和帧差图像作为参考图像，对同一场景中的所有视频帧进行快速可靠的分割．     

灵活可变的运动图像的分割算法

运动图像的分割在基于内容的视频编码及视频检索中占有重要的地位。利用运动图像帧中的时空域信息，提出了一种分割运动对象的方法。其最大的特点是灵活性，可以根据序列的实际情况来选择算法。实验证明分割效果较好并节省了处理时间。     

一种半自动分割视频对象的方法

提出一种半自动视频对象分割方法，通过对跟踪分割视频序列的后继帧，这种方法首先采用基于块匹配和最大边缘强度的运动估值和补偿方法进行对象轮廓定位，接着采用模板匹配以特定对象知识检测对象像素，为使轮廓定位更可靠，在块匹配的运动估值中使用了彩色信息，而模板匹配则使分割结果精确化，避免误差传递，并且在出现遮挡时只要对象颜色在整个序列中一直保持相似性，就能够正确测出对象，实验结果证明这种方法能够分割复杂场景中的任意对象。     

一种视频对象提取与跟踪的新方法

针对视频对象的分割问题，提出了一种新的视频对象提取与跟踪方法．首先采用分水岭分割和区域合并的方法进行初始分割，再通过光流场估计和全局运动估计计算全局运动的残余误差，在分割的每个区域上利用残余误差数据进行假设检验以确定运动区域，组合所有的运动区域即可提取完整的视频对象．然后使用双向投影的方法在后续帧中快速准确地跟踪视频对象，前向投影用来定位视频对象和简化分割计算，后向投影则用来确定每个分割的区域是否属于跟踪的视频对象．对MPEG-4测试序列的实验结果表明，本方法具有良好的分割性能．     

三维场景的运动分析及图像分割方法研究

提出一种利用三维场景模型对视频图像进行分析并实现图像分割的方法,利用图像序列的前两帧获得图像的深度映像,实现场景的三维网络描述,采用简单的线线算法获得运动参数,并对场景模型不断修正,实验结果表明,这种方法有交地实现了视频分割,目标跟踪以及VOP（视频对象平面）的构造。     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换，利用变换后的高频帧信息提取出初步的运动掩模图像；进行数学形态学后处理，以消除各种噪声的影响和对象的不连通性，得到理想的运动掩模图像。实验结果表明该方法分割效果较好，分割出的运动对象可直接应用于基于对象的视频编码，且算法耗时较少。     

基于视差和变化检测的立体视频对象分割

立体视频对象分割是新一代视频编码、视频检索、互联网多媒体交互等新兴领域的关键技术.该文提出了一种融合多种信息的立体视频对象分割算法,首先采用基于边缘特征约束的视差估计方法,获得了可靠的视差场,再利用视差信息对视频对象进行了初始分割,在此基础上结合帧间变化检测的信息对视差分割结果进行修正.实验结果表明,本算法对有重叠的多对象具有良好的分割效果,得到了较精确的视频对象.     

一种基于背景重建和视差图的立体视频对象分割算法

提出了一种基于背景重建和视差图的立体视频分割算法,利用背景、视差和边缘等信息进行运动对象分割。该算法首先采用基于块的背景重建方法获取视频序列的背景信息,再利用背景相减法获得运动对象的初步分割结果,然后利用立体匹配获得的视差图对初步分割结果进行修正,最后利用边缘信息和后处理操作获得最终的立体视频运动对象。实验表明,该算法能够有效地从运动背景中将视频运动对象完整地提取出来。     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换,利用变换后的高频帧信息提取出初步的运动掩模图像;进行数学形态学后处理,以消除各种噪声的影响和对象的不连通性,得到理想的运动掩模图像。实验结果表明该方法分割效果较好,分割出的运动对象可直接应用于基于对象的视频编码,且算法耗时较少。     

一种固定背景下运动视频对象的自动分割方法

提出了一种固定背景运动视频对象的自动分割方法．该方法通过互帧差四次矩检测运动对象，利用背景减除对点分类，最后用彩色分水线算法得到运动对象实验证明该方法能够对固定背景下运动视频对象进行实时自动分割．     

基于运动背景的自适应视频对象分割算法

为解决运动背景中视频对象的准确提取,提出一种基于全局运动的自适应视频对象分割算法。基于特征点计算帧间运动,利用最小二乘法计算摄像机仿射参数进行运动补偿,通过二值开闭重建滤波器进行预处理消除噪声;采用改进的分水岭算法将图像标记成不同的灰度区域,以自适应的光流法对分割的对象信息进行评判,从运动背景中分割出前景对象。实验表明,该算法能准确地从运动背景中分割出视频对象,显著地减少了动态前景对象的分割误差,提高了分割质量,可应用于运动目标检测与跟踪。     

一种基于运动背景的视频对象分割算法

随着MPEG-4和MPEG-7的研究发展,基于内容编码和面向对象的存取和交互技术日益得到人们的重视,视频分割技术正在成为当前视频研究领域的热点之一,但是,目前的分割研究大部分是在没有全局运动的情况下进行的,对于运动背景下视频对象的分割研究还不多.为此,提出了一种新的基于改进分水岭和光流的视频分割算法,即先将原始图像使用改进的分水岭算法标记成不同的灰度区域,然后以光流法得到的对象运动信息作为评判准则,将这些区域分别归类于前景对象和背景,达到从运动背景中分割出前景对象的目的.仿真实验表明,此算法能够较精确地分割出视频对象.     

一种“时-空”域自动视频分割算法

为了进行基于对象的视频编码,视频图像往往需要被分割成单独的个体.提出了一种从时域到空域的自动视频分割算法.在时间域阶段,通过对相邻两帧变化部分的检测,找到运动目标的初步定位.在空间域阶段,采用预测分水岭算法对运动目标进行精确定位.两种方法互相补充,互相增强.另外为了解决分水岭的过分割问题,算法在小波变换后的图像上进行.实验结果表明,提出的方法不仅分割效果好,而且计算时间少,分割的结果具有更准确的语义信息和实用性.     

面向视频编码的运动对象分割和提取

多媒体通信的发展迫切需要面向对象的视频编解码技术,其关键是视频对象（VO）的提取和视频对象平面（VOP）的分割,提出一种自动分割VOP的新方法。根据初始帧,使用形态运动滤波技术,初始运动对象首先被提取出;在后继帧中使用活动轮廓（Snake)技术对运动对象进行拟合匹配,最后根据一系列精确的二值轮廓导出运动对象的提取。实验结果表明,该算法可有效地提取视频对象和分割视频对象平面。除了个别参数需要调节外,整个过程是自动完成的。     

Video Structure Analysis

Video structure analysis is a basic requirement for most content-based video editing and processing systems. This paper presents a fast video structure analysis method based on image segmentation in each frame, with region matching between frames. The structure analysis decomposes the video into several moving objects, including information about their colors, positions, shapes, movements, and lifetimes. The method also supports user interactions to improve the results. The result shows that this method is fast and stable and can complete video analyzinq interactivelv.     

基于高斯混合模型的视频对象分割算法

针对应用高斯混合模型（GMM）进行视频建模与分割时的模型选择及参数估计初值选择的难点，提出了一种基于GMM的视频对象分割算法．首先进行特征提取，在特征矢量中引入加权运动信息，可根据不同需要选择合理的加权系数，然后通过分割投影进行模型选择及期望最大化（EM）算法的参数初始化并估计参数，这种初值选择方案使得EM算法的初值和真实值较接近，加快了迭代运算的收敛速度，从而提高了视频对象的分割速度，最后对特征矢量进行聚类分割．仿真实验表明，在保持良好分割效果的同时，所提算法的运算速度约为常规方案的76％，并且具有良好的稳定性．     

一种基于对象跟踪的视频分割算法

在新一代MPEG-4视频编码标准中,为了支持面向对象编码和实现基于内容的应用,视频分割成为关键技术之一,而半自动的视频分割是常用而且比较精确的一种分割方法.本文提出一种基于对象跟踪的半自动视频分割算法.该算法在用户的参与下,基于图像的时空信息,进行视频对象(VOP)的分割.实验结果表明,该算法能够较精确地连续分割出视频对象.