视频技术处理英语ieee文献翻译.doc

关于数字视频处理的一种新的运动估计和分割框架 （IEEE文献翻译） 学 院：电子与控制工程学院 专 业：控制工程 课 程：数字视频处理 姓 名：何叶 学 号：2012232010 任课教师： 徐琨 完成时间：2013.6 IEEE文献翻译： 关于数字视频处理的一种新的运动估计和分割框架 P. De Smet I. Bruyland Ghent University (RUG), TELIN=TW07V, Dep. of Telecommunications and Information Processing, Sint-Pietersnieuwstraat 41, B-9000 Ghent, Belgium. e-mail: pds@ telin.rug.ac.be, ib @ telin.rug.ac.be 摘要 在本文中我们给出一个新的数字视频序列处理框架的概述。我们将讨论如何结合利用多种图像处理和计算机视觉组件来获得一个（半）自动划定或跟踪出现在数字视频图像序列中的移动物体。我们将举例说明目前图像分割和视频跟踪的研究成果，并简要讨论其主要的应用领域。 1 绪论 本文讲述数字视频序列运动估计和分割框架，我们的目标是开发一种自动分割和跟踪视频序列中的对象以及他们的运动轨迹的方法。 在以下的章节中，我们将首先讨论框架的总体结构。之后我们将简要地讨论框架的每个组成部分。最后我们将讨论这项研究的实际应用。 2 运动估计和分割框架 运动估计，分割和跟踪框架的大致流程如图1所示。首先，一个静态的、单一的图像分割完成。此过程将在第三章节进行进一步讨论。然后，所获得的每一部分的原始运动估计（见第四章节）得以确定。基于它们运动估计的的相似之处，这些分割部分又被重新组合起来。这使得一小部分连贯的图像运动区域被识别出来。最后，在序列行进的同时，追踪组件逐帧追踪运动区域。 另外，如图1所示，我们也可以立即跟踪由用户提供的分割图。 图1：所提出的运动估计，分割和跟踪框架 3 静态图像预分割 我们用一种称为分水岭分割的技术来获得图像中物体边缘的初始划定。分水岭分割，如图2所示，把图像的梯度看成是地形表面认为作为地形表面（一个把每个图像像素的梯度解释为每个像素的提升的三维面）。寻找分割的边界，然后对应找到表面的脊和谷[1][2]。分割过程要模拟雨降在此表面上；每个像素落至表面上的最速下降方向是确定的。此外，如果像素低于预定义溺水阈值，那么它将与邻近的、同样低于此阈值的像素合并[3][4]。 在[1]和[5]中我们讲述了一个非线性扩散战略，以减少传统的分水岭过分割问题。然而，过分割（参见图2）通常发生在可以容易且可靠地获得运动估计的纹理图像区域，所以它在框架中不是很重要。基于聚类方法的运动（见第五节）可以被用来在不确定高精度的静态预分割参数的情况下进一步减少过分割。 图2：分水岭分割；（顶部）：分水岭降雨原则和分割形成2个不同溺水阈值，曲线表示梯度振幅的平方；（底部）： 2个不同的溺水阈值的树图像的分割。 4 运动估计 传统上，运动估计广泛地研究了光学流动和块匹配技术 [6]。这些技术通常只能通过平移运动的向量和模型来进行说明。 在我们的研究中，我们首先改进了这些传统技术[7][8]。我们在近期把它们扩展成为高阶多项式运动模型和段匹配技术的综合体。高阶多项式运动模型允许计算更复杂的预计运动，例如使用一阶仿射运动模型时，可以估算缩放和旋转参数。分段匹配利用初始的分割图作为输入，并试图在下一图像中找到每段的最佳匹配。使用正向匹配，需要DFD（取代帧间差 例如当使用一阶多项式运动模型时： 图3：推销员序列的运动估计（左）和（右）聚类结果；图片中人在动箱子、头部和左臂。 到目前为止，我们已经实施的、基于框架的C/ C++，提供了一个可以由任何随机顺序和多项式条款组成的通用运动模型。然而，在本文中我们只公布上述6参数运动模型的仿射结果。 成本函数表示，物体的运动补偿后，两个视频帧Ik(i，j)和Ik-1(i，j)的图像强度应该是几乎相同的。用于加快估计过程的一些技术将在第六章节进行讨论。 5 运动聚类 在计算完每个段的初始运动估计后，有着类似的运动模型参数向量的段被合并。 到目前为止，我们所研究的技术，包括k方式聚类和递归以及阈值的区域生长 [7] [9]。 图3示出了推销员序列的运动估计和聚类结果。此图显示着当场景中有明显的运动变化时可以获取的典型的结果。然而，如图3中所示，闭塞效果会导致不正确的运动估计，引起一些遗留问题。因此，目前正在实施遮挡处理算法（见第七章节）。 6 跟踪移动物体 由于段匹配需要最小化上述成本函数，用一个给定的多项式运动模型来追踪图像序列中的给定