语义对象分割的若干方法研究.doc

语义对象分割的若干方法研究语义对象分割的应用领域相当宽泛,包括视频编码、视频监控、图象和视频编辑、图象和视频检索、人机交互、图象理解以及对象识别等,这些应用系统性能的优劣在很大程度上取决于语义对象分割结果的好坏,因此语义对象分割具有非常重要的研究意义和应用价值。在经典的视频对象分割研究基础上,近几年来对于图象和视频中对象分割的研究已逐步聚焦在对显著对象的自动分割和基于视觉关注度的感兴趣语义对象的提取,并取得了不少成果,但仍有值得改善之处。本文的研究主要属于这一领域,对其中的方法或算法作了改进。此外,对运动对象可能存在的运动阴影也作了较深入的研究,取得了较好的结果。本文的主要工作包括:第一,为了准确地从彩色图象中提取出视觉上显著的对象,提出了一种基于区域显著性比值的显著对象自动提取方法。首先用核密度估计方法把输入图象分割成不同的区域,并通过高斯图象金字塔计算输入图象的多分辨率对比度特征,生成一个具有尺度不变性的显著性图;然后计算每个区域组合与其补集的区域显著性及其比值;最后通过找出这个比值的最大值从而提取出显著对象。该方法能够有效地从彩色图象中提取出符合人类视觉关注的多个显著对象。第二,对于视频序列中感兴趣运动对象的分割问题,提出了一种结合有选择的视觉关注度和马尔可夫随机场(MarkovRandomField)的分割方法。首先把灰度级为256的输入图象转换成8个灰度级波段的图象,进而根据象素在相邻两帧的灰度级波段是否发生变化提取出运动特征;接着利用连通成分标记算法并结合运动特征以获得运动区域;然后提取出这些运动区域的形状特征并且和预先定义的感兴趣对象的形状特征进行比较,从而得到初始的运动对象分割结果;最后把每个象素的状态沿着时间的记录作为MRF的能量函数,通过能量最小化获得最终更为精确的运动对象分割结果。本方法能够有效地把场景中的运动象素和背景象素区别开,提高了对象分割的准确性。第三,对于视频对象分割中运动阴影消除的问题,提出了一种结合色度、亮度和边缘信息的方法。首先使用结合核密度估计和边缘信息的分割方法获得初始对象分割结果及其中运动对象的边缘,然后提取输入视频帧的色度和亮度信息以得到可能的运动阴影区域,最后利用阴影区域生长方法将运动阴影区域和运动对象区分开。对室内外视频序列的实验结果表明,该方法具有良好的消除运动阴影的性能。