本文關(guān)鍵詞：基于CRF的視頻目標(biāo)分割算法與應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國信息化程度的不斷提高，人們獲取信息的方式從傳統(tǒng)的文本形式逐步向視頻、圖像、語音等多媒體形式轉(zhuǎn)變。新的信息獲取方式給人們帶來極大便利的同時，也給人們帶來了大量的冗余信息。視頻目標(biāo)分割的主要目的就是從大量的冗余信息中準(zhǔn)確高效的獲取人們感興趣的部分。作為計算機視覺的重要組成部分，視頻目標(biāo)分割在視頻監(jiān)控、智能交通、人機交互、搜索引擎等領(lǐng)域得到了廣泛的應(yīng)用，儼然成為了計算機領(lǐng)域的研究熱點與難點。 本文采用循序漸進的方式對視頻目標(biāo)分割算法進行研究，首先從像素級別上實現(xiàn)對視頻目標(biāo)的分割，，然后考慮像素間的空域鄰域關(guān)系對視頻目標(biāo)進行分割，最后實現(xiàn)多信息融合的視頻目標(biāo)分割，通過與其他算法進行對比實驗，得出實驗結(jié)果。具體工作主要包括以下幾點： (1)對現(xiàn)有的視頻目標(biāo)分割算法進行分析與總結(jié)，得出現(xiàn)有的視頻目標(biāo)分割算法主要面臨的技術(shù)難點，接著對它們進行適當(dāng)分類，針對每一類別的目標(biāo)分割算法提出可以改進的措施。 (2)從像素點級別上對視頻目標(biāo)分割算法進行研究。在像素點級別上主要是采用基于混合高斯模型對視頻背景進行建模來實現(xiàn)對視頻目標(biāo)的分割。然后采用平均背景模型和混合高斯模型對同一視頻序列進行對比實驗。 (3)針對像素級別上視頻目標(biāo)分割算法的誤分類現(xiàn)象嚴(yán)重的缺點，對算法進行改進。在考慮單個像素的局部特征外，還考慮空域鄰域關(guān)系，提出基于條件隨機場模型的目標(biāo)分割算法。它除了對每個像素的紋理、顏色、位置、運動特性等特征建模，構(gòu)建局部能量函數(shù)外，還考慮了8鄰域范圍內(nèi)各個像素之間的相互作用，構(gòu)建空域鄰域能量函數(shù)。采用SAMME多類分類器對已標(biāo)簽的圖像進行訓(xùn)練，獲得模型的各個參數(shù)。最后對只包含局部能量函數(shù)的CRF模型和包含局部能量函數(shù)與空域鄰域能量函數(shù)的CRF模型進行對比實驗。 (4)上述的基于CRF模型的目標(biāo)分割算法僅適用于單幅圖片中，對于其在視頻序列中的應(yīng)用，則需要對能量函數(shù)進行改進，加入一個約束因子來表征視頻序列中相鄰兩幀或幾幀圖片中對應(yīng)像素之間的影響，構(gòu)建時域鄰域能量函數(shù)。然后將基于CRF模型的視頻目標(biāo)分割算法跟基于混合高斯模型的視頻目標(biāo)分割進行對比實驗。 實驗結(jié)果表明：基于混合高斯模型的視頻目標(biāo)分割算法復(fù)雜度低，實時性好，但由于它屬于像素點級別上的目標(biāo)分割，實驗結(jié)果中誤分類的現(xiàn)象較嚴(yán)重且前景目標(biāo)中也會出現(xiàn)蟲洞現(xiàn)象；基于CRF模型的視頻目標(biāo)分割算法可以很好的彌補這一缺點，而且該算法可以實現(xiàn)復(fù)雜環(huán)境下的多類目標(biāo)分割，在處理多視角以及嚴(yán)重遮蔽的情形下，也能對目標(biāo)進行很好的分割。
【關(guān)鍵詞】：視頻目標(biāo)分割 混合高斯模型 條件隨機場 能量函數(shù) SAMME分類器
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-16
• 1.1 研究背景與意義10
• 1.2 視頻目標(biāo)分割概述10-15
• 1.2.1 視頻目標(biāo)分割的應(yīng)用10-13
• 1.2.2 視頻目標(biāo)分割算法的分類13-14
• 1.2.3 視頻目標(biāo)分割算法的研究現(xiàn)狀14-15
• 1.3 本文的研究內(nèi)容與結(jié)構(gòu)安排15
• 1.4 本章小結(jié)15-16
• 第2章 基于混合高斯模型的視頻目標(biāo)分割算法16-27
• 2.1 傳統(tǒng)的視頻目標(biāo)分割算法16-19
• 2.1.1 光流法16-17
• 2.1.2 幀間差分法17-18
• 2.1.3 背景差分法18-19
• 2.2 基于背景模型的視頻運動目標(biāo)分割19-24
• 2.2.1 單高斯分布背景模型19-21
• 2.2.2 多高斯分布背景模型21-24
• 2.3 實驗結(jié)果與分析24-26
• 2.4 本章小結(jié)26-27
• 第3章 用于目標(biāo)分割的條件隨機場模型27-39
• 3.1 條件隨機場概述27-35
• 3.1.1 產(chǎn)生式模型和判別式模型27-28
• 3.1.2 概率圖模型28-30
• 3.1.3 隱馬爾可夫模型30-32
• 3.1.4 最大熵模型32-33
• 3.1.5 條件隨機場33-35
• 3.2 基于二維條件隨機場的目標(biāo)分割35-38
• 3.2.1 二維條件隨機場模型構(gòu)建36-37
• 3.2.2 能量函數(shù)37
• 3.2.3 模型推斷37-38
• 3.3 本章小結(jié)38-39
• 第4章 CRF 目標(biāo)分割算法能量函數(shù)的構(gòu)建39-55
• 4.1 局部能量函數(shù)的構(gòu)建39-50
• 4.1.1 特征提取39-47
• 4.1.2 adaboost 分類器47-49
• 4.1.3 多類 logistic 回歸分析49-50
• 4.2 空域鄰域能量函數(shù)的構(gòu)建50-51
• 4.3 實驗結(jié)果與分析51-53
• 4.3.1 MSRC-21 類數(shù)據(jù)庫51-52
• 4.3.2 實驗結(jié)果與分析52-53
• 4.4 本章小結(jié)53-55
• 第5章 視頻序列中 CRF 目標(biāo)分割算法55-66
• 5.1 能量函數(shù)的改進55-56
• 5.2 聚類分析56-58
• 5.2.1 聚類算法分類56-57
• 5.2.2 層次聚類算法57-58
• 5.3 最近鄰域匹配算法58-60
• 5.3.1 初始化過程58-59
• 5.3.2 傳播過程59
• 5.3.3 隨機搜索過程59-60
• 5.4 實驗結(jié)果與分析60-65
• 5.4.1 視頻序列中 CRF 目標(biāo)分割實驗60-62
• 5.4.2 與其他算法的對比實驗62-65
• 5.5 本章小結(jié)65-66
• 第6章 總結(jié)與展望66-68
• 6.1 已完成的內(nèi)容及存在的問題66-67
• 6.2 發(fā)展前景及展望67-68
• 參考文獻(xiàn)68-71
• 致謝71-72
• 附錄72

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 張玉超;;基于高斯模型的運動目標(biāo)檢測技術(shù)研究[J];電腦與電信;2012年11期

2 黃崗;;馬爾可夫及隱馬爾可夫模型的應(yīng)用[J];電子設(shè)計工程;2013年17期

3 鄭河榮;褚一平;潘翔;;參數(shù)自適應(yīng)的條件隨機場視頻分割方法[J];計算機科學(xué);2010年05期

4 葉林;陳岳林;林景亮;;基于HOG的行人快速檢測[J];計算機工程;2010年22期

5 吳鑫;張文廣;劉帥;;HOG算法在機器人3D視覺技術(shù)中的應(yīng)用[J];農(nóng)業(yè)科技與裝備;2013年01期

6 吳士林;耿佳佳;朱楓;于泳;;基于區(qū)域的多類目標(biāo)識別與分割算法研究[J];中國圖象圖形學(xué)報;2011年09期

7 唐釗;;條件隨機場模型在中文人名識別中的研究與實現(xiàn)[J];現(xiàn)代計算機(專業(yè)版);2012年21期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 韓建平;視頻運動對象分割及其應(yīng)用研究[D];浙江大學(xué);2009年

2 王貴寶;感知信息熵測度及其在可靠性工程中的應(yīng)用研究[D];電子科技大學(xué);2009年

3 張賢國;基于背景模型的監(jiān)控視頻編碼研究[D];北京大學(xué);2013年

4 黃志勇;內(nèi)容敏感的視頻縮放與穩(wěn)定技術(shù)研究[D];武漢大學(xué);2012年

  本文關(guān)鍵詞：基于CRF的視頻目標(biāo)分割算法與應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號：263011