结合先验信息与混合模型的视频目标分割方法研究

发布时间：2022-11-03 22:44

　　近年来,随着科技的发展,各种网络平台上出现了源源不断的海量视频数据。面对庞大的数据量,处理和分析这些视频数据给计算机视觉与模式识别领域中的视频存储以及视频内容分析带来了较大的挑战。本文中研究的视频目标分割方法关注的重点是将视频中感兴趣的目标从背景信息中分割出来。然而,如何检测出视频中感兴趣的目标,并对此目标进行精确的分割具有一定的难度。目前在视频目标分割任务中存在的主要难点有:（1）视频数据的维度高,数据量大;（2）视频数据中背景信息复杂,目标与背景的分界线不明确;（3）视频数据中的目标容易发生形变。针对视频数据的特点和分割算法中存在的难点,本文提出了两种完全不同的结合先验信息与混合模型的视频中目标分割算法。本文工作主要贡献和创新如下:（1）提出了一种基于显著性检测与混合模型的视频目标分割方法。为了完成从视频数据中自动检测出目标并完成精准分割的任务,本文提出了一种无监督的视频目标分割方法。该方法首先使用了显著检测方法,结合目标运动所产生的运动边缘和目标的外观边缘对视频中的目标区域进行初始化,将目标区域作为先验信息,使用高斯混合模型分别对目标和背景建模,最后用马尔可夫模型对目标进行准确分... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究动态
        1.2.1 基于显著性的分割方法
        1.2.2 基于混合模型的分割方法
    1.3 组织结构
    1.4 本章小结
第2章 图像与视频目标分割方法相关技术
    2.1 图像分割算法
        2.1.1 基于阈值的分割方法
        2.1.2 基于边缘检测的分割方法
        2.1.3 基于超像素的分割方法
    2.2 视频分割算法
        2.2.1 基于背景差分法的分割方法
        2.2.2 基于提取目标运动边缘的分割方法
        2.2.3 基于深度学习的分割方法
    2.3 本章小结
第3章 基于显著性检测与混合模型的视频目标分割方法
    3.1 基于显著性检测与混合模型的视频目标分割方法介绍
    3.2 基于显著性检测和混合模型的视频目标分割方法设计
        3.2.1 显著性检测
        3.2.2 主要目标区域提取
        3.2.3 高斯混合模型
        3.2.4 马尔可夫模型
    3.3 实验结果与分析
    3.4 本章小结
第4章 基于深度学习与混合模型的视频目标分割方法
    4.1 基于深度学习与混合模型的视频目标分割方法介绍
    4.2 基于深度学习与混合模型的视频目标分割方法设计
        4.2.1 深度学习的分割网络模型
        4.2.2 狄利克雷混合模型
    4.3 实验结果与分析
    4.4 本章小结
第 5 章结论与展望
    5.1 本论文工作总结
    5.2 将来工作展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果
    个人简历
    论文发表情况
    获奖情况


【参考文献】：
期刊论文
[1]基于光流场的图像分割[J]. 焦春林,高满屯,曹秋萍,陈淑梅.  西北工业大学学报. 2006(02)
[2]基于光流场分割和Canny边缘提取融合算法的运动目标检测[J]. 张泽旭,李金宗,李宁宁.  电子学报. 2003(09)



本文编号：3700764