近年來,隨著科技的發(fā)展,各種網(wǎng)絡(luò)平臺上出現(xiàn)了源源不斷的海量視頻數(shù)據(jù)。面對龐大的數(shù)據(jù)量,處理和分析這些視頻數(shù)據(jù)給計算機視覺與模式識別領(lǐng)域中的視頻存儲以及視頻內(nèi)容分析帶來了較大的挑戰(zhàn)。本文中研究的視頻目標分割方法關(guān)注的重點是將視頻中感興趣的目標從背景信息中分割出來。然而,如何檢測出視頻中感興趣的目標,并對此目標進行精確的分割具有一定的難度。目前在視頻目標分割任務(wù)中存在的主要難點有:（1）視頻數(shù)據(jù)的維度高,數(shù)據(jù)量大;（2）視頻數(shù)據(jù)中背景信息復(fù)雜,目標與背景的分界線不明確;（3）視頻數(shù)據(jù)中的目標容易發(fā)生形變。針對視頻數(shù)據(jù)的特點和分割算法中存在的難點,本文提出了兩種完全不同的結(jié)合先驗信息與混合模型的視頻中目標分割算法。本文工作主要貢獻和創(chuàng)新如下:（1）提出了一種基于顯著性檢測與混合模型的視頻目標分割方法。為了完成從視頻數(shù)據(jù)中自動檢測出目標并完成精準分割的任務(wù),本文提出了一種無監(jiān)督的視頻目標分割方法。該方法首先使用了顯著檢測方法,結(jié)合目標運動所產(chǎn)生的運動邊緣和目標的外觀邊緣對視頻中的目標區(qū)域進行初始化,將目標區(qū)域作為先驗信息,使用高斯混合模型分別對目標和背景建模,最后用馬爾可夫模型對目標進行準確分... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究動態(tài)
        1.2.1 基于顯著性的分割方法
        1.2.2 基于混合模型的分割方法
    1.3 組織結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 圖像與視頻目標分割方法相關(guān)技術(shù)
    2.1 圖像分割算法
        2.1.1 基于閾值的分割方法
        2.1.2 基于邊緣檢測的分割方法
        2.1.3 基于超像素的分割方法
    2.2 視頻分割算法
        2.2.1 基于背景差分法的分割方法
        2.2.2 基于提取目標運動邊緣的分割方法
        2.2.3 基于深度學(xué)習(xí)的分割方法
    2.3 本章小結(jié)
第3章 基于顯著性檢測與混合模型的視頻目標分割方法
    3.1 基于顯著性檢測與混合模型的視頻目標分割方法介紹
    3.2 基于顯著性檢測和混合模型的視頻目標分割方法設(shè)計
        3.2.1 顯著性檢測
        3.2.2 主要目標區(qū)域提取
        3.2.3 高斯混合模型
        3.2.4 馬爾可夫模型
    3.3 實驗結(jié)果與分析
    3.4 本章小結(jié)
第4章 基于深度學(xué)習(xí)與混合模型的視頻目標分割方法
    4.1 基于深度學(xué)習(xí)與混合模型的視頻目標分割方法介紹
    4.2 基于深度學(xué)習(xí)與混合模型的視頻目標分割方法設(shè)計
        4.2.1 深度學(xué)習(xí)的分割網(wǎng)絡(luò)模型
        4.2.2 狄利克雷混合模型
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第 5 章結(jié)論與展望
    5.1 本論文工作總結(jié)
    5.2 將來工作展望
參考文獻
致謝
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果
    個人簡歷
    論文發(fā)表情況
    獲獎情況


【參考文獻】：
期刊論文
[1]基于光流場的圖像分割[J]. 焦春林,高滿屯,曹秋萍,陳淑梅.  西北工業(yè)大學(xué)學(xué)報. 2006(02)
[2]基于光流場分割和Canny邊緣提取融合算法的運動目標檢測[J]. 張澤旭,李金宗,李寧寧.  電子學(xué)報. 2003(09)



本文編號：3700764