基于边缘检测和分水岭的视频对象分割算法的分析-analysis of video object segmentation algorithm based on edge detection and watershed.docxVIP

中南民族大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权中南民族大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存 和汇编本学位论文。本学位论文属于1、保密□，在______年解密后适用本授权书。2、不保密√□。 (请在以上相应方框内打“√”)作者签名：日期：年月日导师签名：日期：年月日第 1 章 绪论1.1 研究背景与意义伴随着信息技术的飞越发展，人们对计算机的使用已经不再局限于科学计 算，更希望可以利用计算机来处理各种生活、学习和工作等各方面中的繁多信 息。根据科学的研究和统计分析表明，人们所获取的信息中绝大多数（约 80%） 是视觉信息，即在人脑中形成的视频信息，也就是图形图像信息。在人们所接 触的图像信息中，除了一部分是来自于人们日常的实际生活场景，另外还有一 大部分信息来自于计算机网络，比如远程监护、远程医疗和 3G 视频通信等方 面。人的视觉在获取这些视频信息后需要进一步处理，即大脑需要进行信息的 解析、比对和记忆存储。对于计算机视觉而言，也要完成这些工作，所不同的 是计算机处理的是离散化的数字图像，而大脑处理的是通过人眼获得的连续的 模拟图像。另外，对于计算机而言，信息的获取受制于网络资源，要达到快速、 准确和实时性的视频传输与处理要求，计算机与人脑相比就显得要异常艰难， 计算机不得不对这些图像进行压缩和分割等处理。相对于其他类型的信息，视 频信息的最大优点是信息量大、容易理解和直观形象等特点。所以，数字图像 处理技术，特别是数字图像分割技术越来越受到广大的研究者和公司企业的关 注，逐渐成为信息时代的一个新的研究前沿与研究热点[1]。最早由于发展电影与视频产品的需求，产生了一门新的数字图像处理技术—数字图像分割技术，如今，数字图像分割技术已经成为数字图像处理领域的 一个重要研究方向[2]。上个世纪八十年代初，随着计算机的广泛普及，数字图 像处理所涉及的领域在不断扩展，如数字医学成像[3]、红外遥感探测技术[4]、智 能交通监控[5]等，这些都对数字图像处理的结果提出了更高的要求，从而促使 越来越多的科学研究机构展开了对数字图像分割技术更为系统和深入的研究。 从此以后，陆续产生了众多典型的数字图像分割技术，例如阈值分割、边缘检 测分割、分水岭分割等等[6]。特别是在上世纪末，一些研究者又将数字形态学、 统计学、混沌网络、小波分析等其他学科中的知识相继引入到数字图像分割技 术的研究中，从而又促使数字图像分割技术得到了一个更深层次的发展，其内 涵也得到了不断的充实。数字图像分割技术已经不再满足于对人眼视觉的简单 模仿，它逐渐成为对人类认知分析手段的扩展。在医学影像学领域，将现有的 数字图像分割、融合和增强等图像处理技术应用于超声图像和各种放射图像上， 可以让医生更准确和快速的诊断出病人的病情；在军事领域，对各种军事探测设备获得的各种图像进行分割、提取，可以让各种武器的打击更为精确；在智能交通领域，将路面交通监视设备获取的图像进行自动分割、提取和比对，从 而大量地减少因人为因素而产生的各种纠纷。除此之外，数字图像分割技术还 广泛应用于影视特技、指纹识别、文字识别和人工智能等多个领域[7-10]。虽然数字图像分割技术在诸多领域中均得到了广泛和深入的应用，然而可 惜的是由于外界因素的影响和图像本身的复杂性，至今也没有形成一个统一的 数字图像分割技术的概念和算法评价标准。一般而言，图像分割是指按一定的 先决条件将输入图像分割成各自独特的语义区域的一门图像处理技术，每个区 域都相互独立。当感兴趣的目标分离出来的时候，分割也就完成。图像分割的 最根本目标是使图像更简洁，从而可以做更有意义的分析。自上世纪末，我们 将其他学科中的很多知识与方法引入到图像分割技术中，所以现在的图像分割 技术可以被看作是与数理统计学、光学、随机过程和机器视觉等相互交织而形 成的复合技术。由于视频序列图像背景的复杂性，外界因素的千变万化，目前还没有一个 具有普遍性的数字图像分割算法，目前大多数的算法都只是仅仅针对特定问题 或者某一类型的图像，如超声图像、雷达图像和纹理图像等。因此如何高效地 提取视频对象已经成为当前数字图像分割领域研究的热点与难点[11]。虽然已经 有