本文關(guān)鍵詞：基于協(xié)同分割的視頻目標(biāo)分割算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像分割算法在過去的20年中快速發(fā)展,經(jīng)典的圖像分割算法都是針對一張圖片的,利用一張圖片內(nèi)部的顏色分布、邊緣強度、視覺顯著性等低層視覺特征進行分割。2006年開始提出并廣泛研究的協(xié)同分割算法則協(xié)同地考慮共享前景的多張圖片的分割。協(xié)同分割目標(biāo)是在一組共享前景的圖片中通過約束圖片與圖片之間前景的相似性提高分割的精確度。協(xié)同分割帶來的另外一個好處是把不同圖片的分割聯(lián)系到一起,使得具有相似特征的物體具有一致的標(biāo)號。在計算機視覺領(lǐng)域,在視頻中分割出目標(biāo)物體一直是一個非常重要的問題,通過分割得到一個物體的形狀以及形狀的變化是十分有益的。一方面,物體具體的形狀為識別等問題提供了重要的線索,另一方面,分割保留前景目標(biāo)的區(qū)域而去除背景的干擾,相對于固定形狀窗口是更加準(zhǔn)確地表示,很多研究都表明通過圖像或視頻的分割能提高目標(biāo)識別、目標(biāo)跟蹤等經(jīng)典視覺任務(wù)的準(zhǔn)確性。如何聯(lián)系視頻多幀分割以保持視頻分割的時域一致性一直是一個重要的問題。經(jīng)典的視頻分割算法通過相鄰幀的運動估計保持像素間的映射關(guān)系,雖然在諸如背景一致或前景運動不太劇烈的場景取得良好的效果,但是對于前景目標(biāo)運動特別劇烈而無規(guī)律或視頻時域采樣率較低的情況則不太理想。本文首先回顧了經(jīng)典的基于運動估計和時域?qū)?yīng)關(guān)系的視頻分割算法以及近年廣泛研究的基于約束圖片間前景一致性并聯(lián)合優(yōu)化的圖像協(xié)同分割算法。在此基礎(chǔ)上,本文在視頻序列區(qū)間上定義了一個聯(lián)合能量函數(shù),包含單幀分割質(zhì)量以及協(xié)同分割約束。其中協(xié)同分割約束用神經(jīng)卷積網(wǎng)絡(luò)特征空間中的一個超平面對視頻的前景與背景建模,并度量序列區(qū)間前景背景的相似性,從而建立分割時域一致約束。針對能量函數(shù)的定義,能量最小化利用時空參數(shù)化圖割通過在一個縮小的分割標(biāo)號空間迭代的方式進行。針對所提出的協(xié)同分割約束,本文在實驗中與基于視覺顯著性的單幀分割相比較,體現(xiàn)出協(xié)同分割的約束對視頻前景背景分割精確度的提升。針對能量函數(shù)中的協(xié)同分割約束在視頻序列區(qū)間中的學(xué)習(xí),本文進一步將所提出的視頻協(xié)同分割問題轉(zhuǎn)化為一個傳遞式學(xué)習(xí)的問題。本文首先回顧了經(jīng)典的傳遞式學(xué)習(xí)算法�？紤]到視頻前景可能具有多種不同的變化過程和不同的形態(tài),本文描述了一種多分量的視頻協(xié)同分割算法。在該算法中,一棵“時域樹”在視頻的時域建立起來,時域樹的每一個葉子對應(yīng)一幀視頻,每一條從根節(jié)點到葉節(jié)點的路徑為視頻的一個連續(xù)變化的分量。對于每一個分量,都對應(yīng)一個漸變的前景背景模型。本文還討論了不同分量對應(yīng)模型之間的關(guān)系。在實驗中,本文比較了基于最大期望式迭代的視頻協(xié)同分割算法與基于時域樹的多分量視頻協(xié)同分割算法,體現(xiàn)出多分量模型對前景變化較大視頻的魯棒性。本文還在實驗中比較了所提出算法與最近的視頻二值分割算法和協(xié)同分割算法。本文提出的算法在分割準(zhǔn)確性上超過了很多視頻分割和協(xié)同分割算法,并對于前景物體運動特別劇烈的情況比較魯棒。
【關(guān)鍵詞】：協(xié)同分割 傳遞式學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 緒論14-26
• 1.1 視頻分割與協(xié)同分割問題的背景14-16
• 1.2 相關(guān)工作16-22
• 1.2.1 經(jīng)典圖像分割算法回顧16-17
• 1.2.2 作為二值分類的視頻分割問題17-19
• 1.2.3 協(xié)同分割19-22
• 1.3 本文的主要貢獻和章節(jié)安排22-26
• 第二章 時間連續(xù)的視頻協(xié)同分割26-44
• 2.1 引言26-28
• 2.2 卷積神經(jīng)網(wǎng)絡(luò)28-29
• 2.3 時空參數(shù)化圖割29-31
• 2.4 針對視頻的聯(lián)合能量函數(shù)31-35
• 2.4.1 相似背景協(xié)同分割31-33
• 2.4.2 基于低層視覺特征和顯著性的分割先驗33-35
• 2.5 能量函數(shù)最小化35-36
• 2.6 實驗結(jié)果和分析36-43
• 2.7 本章小結(jié)43-44
• 第三章 基于時域樹的多分量協(xié)同視頻分割44-64
• 3.1 傳遞式學(xué)習(xí)回顧44-47
• 3.2 作為傳遞式回歸的協(xié)同視頻分割問題47-49
• 3.3 基于時域樹的視頻協(xié)同分割49-55
• 3.3.1 子節(jié)點的生長52-54
• 3.3.2 多個分量學(xué)習(xí)54
• 3.3.3 多分量模型間的關(guān)系54-55
• 3.4 實驗結(jié)果和分析55-62
• 3.5 本章小結(jié)62-64
• 第四章 總結(jié)和展望64-66
• 4.1 全文總結(jié)64-65
• 4.2 未來工作展望65-66
• 參考文獻66-72
• 致謝72-74
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄74

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛磊;武芳;王鵬波;張冬林;;3維建筑綜合中基于最小特征的面平移算法[J];測繪科學(xué)技術(shù)學(xué)報;2009年02期

2 駱雯,孫延明,陳振威,陳錦昌;判斷點與封閉多邊形相對關(guān)系的改進算法[J];機械;1999年03期

3 李林;盧顯良;;一種基于切割映射的規(guī)則沖突消除算法[J];電子學(xué)報;2008年02期

4 劉巧玲;張紅英;林茂松;;一種簡單快速的圖像去霧算法[J];計算機應(yīng)用與軟件;2013年07期

5 林亞平,楊小林;快速概率分析進化算法及其性能研究[J];電子學(xué)報;2001年02期

6 章郡鋒;吳曉紅;黃曉強;何小海;;基于暗原色先驗去霧的改進算法[J];電視技術(shù);2013年23期

7 楊鐵軍;靳婷;;一種動態(tài)整周模糊值求解算法及其仿真分析[J];系統(tǒng)工程與電子技術(shù);2007年01期

8 周秀玲;郭平;陳寶維;王靜;;幾種計算超體積算法的比較研究[J];計算機工程;2011年03期

9 吳一戎,胡東輝,彭海良;Chirp Scaling SAR成象算法及其實現(xiàn)[J];電子科學(xué)學(xué)刊;1995年03期

10 王貴竹;一種產(chǎn)生單向分解值的算法[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2001年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學(xué)會一九九二年學(xué)術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學(xué)會第十次全國超聲醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標(biāo)TBD算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍?zhǔn)?[N];上海證券報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時間表問題的啟發(fā)式進化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 蔣亦樟;多視角和遷移學(xué)習(xí)識別方法和智能建模研究[D];江南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進;面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學(xué);2015年

4 陳堅;基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學(xué);2015年

5 高健;基于Zynq7000平臺的去霧算法研究及實現(xiàn)[D];南京理工大學(xué);2015年

6 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

7 楊燕霞;基于Hadoop平臺的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學(xué);2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

9 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學(xué);2015年

10 董琴;人工蜂群算法的改進與應(yīng)用[D];大連海事大學(xué);2015年

  本文關(guān)鍵詞：基于協(xié)同分割的視頻目標(biāo)分割算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：260368