一种基于帧内图像分区的视频对象自动分割算法.PDFVIP

第13 卷 第3 期 电路与系统学报 Vol.13 No.3 年 月 ， 2008 6 JOURNAL OF CIRCUITS AND SYSTEMS June 2008 文章编号：1007-0249 (2008) 03-0111-05 * 一种基于帧内图像分区的视频对象自动分割算法 1,2 1 2 杨文明 ， 廖庆敏 ， 刘济林 （ 清华大学 深圳研究生院 清华—理大生物识别联合实验室，广东 深圳 ； 1. 518055 2. 浙江大学 信息与通信工程研究所，浙江 杭州 310027 ） 摘要：视频运动对象的自动分割是实现新一代对象基视频编码标准MPEG-4 的重要技术，本文提出了一种基于帧 内图像分区的运动对象自动分割算法。首先以时域运动信息为依据利用高斯检验方法得到二值运动掩模图像，并建立 MRF 随机场模型进一步检验，然后提出了一种结合非线性变换的改进分水岭算法进行帧内图像分区，以划定对象区域 与背景区域的界线，最后对时域分割和帧内分区结果进行比重运算，得到最终运动对象。针对MPEG-4 标准测试序列 和自采集手指视频序列的实验结果说明了算法的有效性。 关键词：运动对象；高斯检验；帧内图像分区；分水岭算法 中图分类号：TP391.4 文献标识码：A 1 引言 目前，视频对象自动分割方式可以自动地从视频序列中提取运动对象，无需人工辅助，能够达到 视频编码标准的实时性要求，是新一代视频标准MPEG-4 和MPEG-7 中的重要支撑技术，是当前视频 分割发展的主要趋势[1-4] 。自动分割算法可以分为两类：基于背景模型的方法和非背景模型方法。文献 [1,4]中采用非背景模型的分割方法，对室内和室外场景都可以获得较好的分割结果，但是在运动对象 与背景对比度不高，对象边缘轮廓不明显的情况下，难以获得令人满意的结果，且缺乏对阴影的抑制 能力。文献[3,7]中都采用了背景模型并进行更新，建立准确的背景模型需要有效去除运动对象的干扰 和一定量的观察数据，这样往往会形成背景模型误差的累积，造成后续帧分割的不准确；同时，背景 的更新也增加了计算量和算法复杂度。由于视频对象很难由简单的低层次信息（灰度，梯度，边缘等） 来有效表述，所以任意复杂背景下的运动对象的自动分割是极其困难的。 本文重点研究静止背景下的运动对象的自动分割问题，为避免建立背景模型可能带来的误差，减 少对多帧图像数据的依赖性，采用非背景模型的方法，首先利用高斯检验的高阶统计方法，结合MRF 随机场模型提取粗略的运动区域，然后提出了一种结合非线性变换的改进分水岭算法进行帧内图像分 区，以抑制传统分水岭算法中存在的过分割现象，降低算法复杂度和存储要求，最后根据比重法有效 提取视频序列中的运动对象。 2 时域运动区域检测 设I (x , y , t) 和I (x , y , t −1) 为视频序列中连续的两帧图像，定义连续两帧图像的帧差为： FD (x , y , t) | I (x , y , t) −I (x , y , t −1) | （1） 理论上认为摄像机采集的视频序列中的噪声服从高斯分布，由于服从高斯分布的两个随机变量之 差也服从高斯分布，则相邻两帧图像的噪声之差仍然服从高斯分布，这样图像中静止背景区域的帧差 将服从高斯分布，相反，运动区域的帧差可以看作与运动特性相关的非高斯信号，这样运动区域的检 测就可以通过高斯检验模型来完成[7] 。高斯检验模型可以实现从高斯信号中提取非高斯信号的功能， 对运动区域的检测就是采用高阶统计的方法判断某区域帧差是否服从高斯分布来确定该区域是否处于 运动