基于超体素池化的视频目标分割方法研究

发布时间：2021-10-24 16:19

　　现代信息技术的持续发展,多媒体信息已经成为人类获取外部信息的主要来源。视频作为具有丰富多样视觉信息的数据形式,已经成为多媒体信息传递的载体之一。近年来,视频数据的规模呈爆炸式增长趋势,给视频处理分析带来了巨大的挑战。为了满足视频大数据处理分析的需求,需要有效快速地对视频数据进行处理,提取出其中人类感兴趣的信息。而在视频数据中,用户感兴趣区域大多是目标区域。这就需要我们将视频中目标提取出来,在感兴趣目标的基础上有效地处理分析视频,视频目标分割任务就由此发展而来。视频目标分割的目的就是以视频序列为数据基础,将目标从视频的每一帧中分割出来,完成目标像素级标注,获取目标准确的轮廓边缘。作为计算机视觉领域中的一个基础的研究方向,视频目标分割能够提取视频中的重要信息,可以为目标行为分析、视频检索、目标姿态估计、视频摘要等提供研究基础,同时还可以广泛应用于自动驾驶、智能监控、增强现实等领域。由于视频目标分割具有一定的研究价值和广泛的实际应用价值,国内外众多科研机构和学者对此进行了深入探索。由于视频拍摄存在着目标类型多种多样,环境背景复杂,目标遮挡,以及目标位置变化剧烈等问题,视频目标分割一直是计算机... 

【文章来源】：中国科学院大学(中国科学院西安光学精密机械研究所)陕西省

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 传统的视频目标分割算法
        1.2.2 基于深度学习的视频目标分割算法
    1.3 论文主要工作
    1.4 论文组织结构
第2章 基于边缘增强的视频超体素提取算法
    2.1 引言
    2.2 基于边缘增强的视频超体素提取算法
        2.2.1 构造超体素树
        2.2.2 计算超体素的边缘性
        2.2.3 构造基于边缘增强的选择损失函数
    2.3 实验
        2.3.1 实验数据集
        2.3.2 实验采用的评价标准
        2.3.3 实验的对比算法
        2.3.4 实验设置
        2.3.5 实验结果
    2.4 本章小结
第3章 基于超体素池化的视频目标分割算法
    3.1 引言
    3.2 基于超体素池化的视频目标分割算法
        3.2.1 视频卷积特征提取
        3.2.2 超体素提取及特征计算
        3.2.3 视频特征融合
        3.2.4 视频目标分割
    3.3 实验
        3.3.1 实验数据集
        3.3.2 实验采用的评价标准
        3.3.3 实验对比算法
        3.3.4 实验设置
        3.3.5 实验结果
    3.4 本章小结
第4章 总结与展望
    4.1 论文工作总结
    4.2 未来工作展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果



本文编号：3455586