基于协同分割的视频目标分割算法研究

发布时间：2017-03-21 22:05

  本文关键词：基于协同分割的视频目标分割算法研究，由笔耕文化传播整理发布。

【摘要】：图像分割算法在过去的20年中快速发展,经典的图像分割算法都是针对一张图片的,利用一张图片内部的颜色分布、边缘强度、视觉显著性等低层视觉特征进行分割。2006年开始提出并广泛研究的协同分割算法则协同地考虑共享前景的多张图片的分割。协同分割目标是在一组共享前景的图片中通过约束图片与图片之间前景的相似性提高分割的精确度。协同分割带来的另外一个好处是把不同图片的分割联系到一起,使得具有相似特征的物体具有一致的标号。在计算机视觉领域,在视频中分割出目标物体一直是一个非常重要的问题,通过分割得到一个物体的形状以及形状的变化是十分有益的。一方面,物体具体的形状为识别等问题提供了重要的线索,另一方面,分割保留前景目标的区域而去除背景的干扰,相对于固定形状窗口是更加准确地表示,很多研究都表明通过图像或视频的分割能提高目标识别、目标跟踪等经典视觉任务的准确性。如何联系视频多帧分割以保持视频分割的时域一致性一直是一个重要的问题。经典的视频分割算法通过相邻帧的运动估计保持像素间的映射关系,虽然在诸如背景一致或前景运动不太剧烈的场景取得良好的效果,但是对于前景目标运动特别剧烈而无规律或视频时域采样率较低的情况则不太理想。本文首先回顾了经典的基于运动估计和时域对应关系的视频分割算法以及近年广泛研究的基于约束图片间前景一致性并联合优化的图像协同分割算法。在此基础上,本文在视频序列区间上定义了一个联合能量函数,包含单帧分割质量以及协同分割约束。其中协同分割约束用神经卷积网络特征空间中的一个超平面对视频的前景与背景建模,并度量序列区间前景背景的相似性,从而建立分割时域一致约束。针对能量函数的定义,能量最小化利用时空参数化图割通过在一个缩小的分割标号空间迭代的方式进行。针对所提出的协同分割约束,本文在实验中与基于视觉显著性的单帧分割相比较,体现出协同分割的约束对视频前景背景分割精确度的提升。针对能量函数中的协同分割约束在视频序列区间中的学习,本文进一步将所提出的视频协同分割问题转化为一个传递式学习的问题。本文首先回顾了经典的传递式学习算法。考虑到视频前景可能具有多种不同的变化过程和不同的形态,本文描述了一种多分量的视频协同分割算法。在该算法中,一棵“时域树”在视频的时域建立起来,时域树的每一个叶子对应一帧视频,每一条从根节点到叶节点的路径为视频的一个连续变化的分量。对于每一个分量,都对应一个渐变的前景背景模型。本文还讨论了不同分量对应模型之间的关系。在实验中,本文比较了基于最大期望式迭代的视频协同分割算法与基于时域树的多分量视频协同分割算法,体现出多分量模型对前景变化较大视频的鲁棒性。本文还在实验中比较了所提出算法与最近的视频二值分割算法和协同分割算法。本文提出的算法在分割准确性上超过了很多视频分割和协同分割算法,并对于前景物体运动特别剧烈的情况比较鲁棒。
【关键词】：协同分割 传递式学习 卷积神经网络
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 绪论14-26
• 1.1 视频分割与协同分割问题的背景14-16
• 1.2 相关工作16-22
• 1.2.1 经典图像分割算法回顾16-17
• 1.2.2 作为二值分类的视频分割问题17-19
• 1.2.3 协同分割19-22
• 1.3 本文的主要贡献和章节安排22-26
• 第二章 时间连续的视频协同分割26-44
• 2.1 引言26-28
• 2.2 卷积神经网络28-29
• 2.3 时空参数化图割29-31
• 2.4 针对视频的联合能量函数31-35
• 2.4.1 相似背景协同分割31-33
• 2.4.2 基于低层视觉特征和显著性的分割先验33-35
• 2.5 能量函数最小化35-36
• 2.6 实验结果和分析36-43
• 2.7 本章小结43-44
• 第三章 基于时域树的多分量协同视频分割44-64
• 3.1 传递式学习回顾44-47
• 3.2 作为传递式回归的协同视频分割问题47-49
• 3.3 基于时域树的视频协同分割49-55
• 3.3.1 子节点的生长52-54
• 3.3.2 多个分量学习54
• 3.3.3 多分量模型间的关系54-55
• 3.4 实验结果和分析55-62
• 3.5 本章小结62-64
• 第四章 总结和展望64-66
• 4.1 全文总结64-65
• 4.2 未来工作展望65-66
• 参考文献66-72
• 致谢72-74
• 攻读学位期间发表的学术论文目录74

【相似文献】

中国期刊全文数据库 前10条

1 葛磊;武芳;王鹏波;张冬林;;3维建筑综合中基于最小特征的面平移算法[J];测绘科学技术学报;2009年02期

2 骆雯,孙延明,陈振威,陈锦昌;判断点与封闭多边形相对关系的改进算法[J];机械;1999年03期

3 李林;卢显良;;一种基于切割映射的规则冲突消除算法[J];电子学报;2008年02期

4 刘巧玲;张红英;林茂松;;一种简单快速的图像去雾算法[J];计算机应用与软件;2013年07期

5 林亚平,杨小林;快速概率分析进化算法及其性能研究[J];电子学报;2001年02期

6 章郡锋;吴晓红;黄晓强;何小海;;基于暗原色先验去雾的改进算法[J];电视技术;2013年23期

7 杨铁军;靳婷;;一种动态整周模糊值求解算法及其仿真分析[J];系统工程与电子技术;2007年01期

8 周秀玲;郭平;陈宝维;王静;;几种计算超体积算法的比较研究[J];计算机工程;2011年03期

9 吴一戎,胡东辉,彭海良;Chirp Scaling SAR成象算法及其实现[J];电子科学学刊;1995年03期

10 王贵竹;一种产生单向分解值的算法[J];安徽大学学报(自然科学版);2001年03期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年

7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年

8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

10 蒋亦樟;多视角和迁移学习识别方法和智能建模研究[D];江南大学;2015年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年

4 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年

5 高健;基于Zynq7000平台的去雾算法研究及实现[D];南京理工大学;2015年

6 顾磊;基于Hadoop的聚类算法的数据优化及其应用研究[D];南京信息工程大学;2015年

7 杨燕霞;基于Hadoop平台的并行关联规则挖掘算法研究[D];四川师范大学;2015年

8 王羽;基于MapReduce的社区发现算法的设计与实现[D];南京理工大学;2015年

9 许振佳;流式数据的并行聚类算法研究[D];曲阜师范大学;2015年

10 董琴;人工蜂群算法的改进与应用[D];大连海事大学;2015年

  本文关键词：基于协同分割的视频目标分割算法研究，由笔耕文化传播整理发布。

，

本文编号：260368