细胞神经网络在频运动对象分割中的应用研究.pdfVIP

^海^掌*±掌m*i 细胞神经网络在视频运动对象分割中的应用研究 摘要 研究细胞神经网络(CNN)用于视频运动对象分割的原因在于其并吁高速的 特点和适于图象处理的网络结构。目前已有的CNN芯片’的整体运算速度都已达 到了Tera级(10”)，即兆兆级，其对于提高视频处理的速度和实时性是不新而喻 的。因此，有必要研究CNN在视频运动分割中的应用及其相关算法。 本文讨论了细胞神经网络用于视频运动分割研究的意义，介绍了现有的视频 分割算法以及细胞神经网络在孩研究领域的发展动态。根据CNN网络结阳特点 和数理模型，详细分析了CNN的动念范围和稳定性，并介绍了图象处理中CNN 输入与输出的量化方法及基本思想。针对背景相对静止的视频序列，提出了：基于 CNN差分图象合并的视频分割算法，并构建了与该算法相关的五个CNN一≤扳。 针对视频序列中的运动场估算，提出了较为完善的基于CNN的光流场算法，构 建了视频序列在空问与时问上差分算法的CNN模板，并时论分析了速度场在 CNN系统中的8比特量化方法。针对背景相对运动是视频序列，提出了黔}二光 流场闽值的CNN视频分割算法。 本文的主要研究贡献有： J_i：的 1．提出基于CNN差分图象合并的视频分割算法。本；i：法是针州-：Ht职Lr．J1i 视频序列的运动分割，算法的原理属于变化区域检测法。与现彳|㈨莛算 法相比，山于本算法直接面向耿度图象，可获得史多的运动信息，进而 使运动对象分割具有更好的精确性和语义性。 2．构建了“个用于图象处理的标准CNN模扳。为了爻耻琏J：CNN誊制割 象合并的视频分割算法，构建了五个标准CNN模板，分ljj|j魁负，!。慎扳、 标量加合模板、边缘检测模板、膨胀模板与目标分割模板。这“个模板 ■I胞种I叠用培．宣囊嘲避材对，L分埘中的应用研究 处理的领域更为广阔。 视频序列空间与时间差分算法的CNN模板的基础上，实现了整体性的 CNN光流场算法。与现有同类算法相比，本算法是完全基于CNN的， 更适于CNN芯片的直接应用和实现。 4．构建视频序列在空间与时间上差分算法的CNN模板。该CNN模板是实 现基于CNN的光流场算法的前提条件。同样，该模板的差分功能也可以 提供给其他CNN算法使用。 5．提出基于光流场阈值的CNN视频分割算法。该算法是针对背景相对运动 的视频序列的运动分割，算法的特色是完全采用CNN模板来完成。在 ，CNN的视频分割领域，目前尚未见到同类完整的，且针对背景相对运动 的，完全基于CNN的视频运动分割算法。该算法适于CNN芯片的直接 应用和实现。 关键词：视频运动对象分割细胞神经网络图象差分算法光流场算法 上j年犬匀‘件士j：位论二≮ RESEARCHONAPPLICATIONOFCELLULARNEURAL NETWORKSIN VIDEOMOTIONoBJECTS SEGMEN．】滔TIoN ABSTRACT of Thereasonresearchon ofcellularneural video application motion iSthe concurrentcharacterofCNNandthe segmentation highspeed operation fit tO networkco