基于图分割的运动物体前景检测算法的研究-信息与通信工程专业论文.docxVIP

万方数据 万方数据 RESEARCH ON MOVING FOREGROUND OBJECTS DETECTION BASED ON GRAPH CUTS A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Information and Communication Engineering Author: Shi Wen-cheng Advisor: Prof. Li Jian-ping School : School of Computer Science Engineering 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 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、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘 要 运动物体的前景检测是计算机视觉领域的一个重要的组成部分，因为在随后 的许多处理环节上在很大程度上依赖于它，其检测结果的好坏较大的影响着后续 工作的正确性与质量。对于目前的许多种算法，由于场景环境的多变性，多种因 素的干扰，或者是摄像的质量较差，图像中包含较多的输入噪声，或者是算法本 身的特性，从而导致了这些方法不能达到检测结果干净无噪声，且具有完整的前 景对象，以及沿着对象的轮廓光滑的高质量的检测结果。 本文不同于传统的方法，通过使用一种最小图分割算法来将前景运动物体从 背景中分离。分别提出了基于 graph cuts 的方法，和基于 grab cut 的方法，在基于 graph cuts 的方法中，根据视频帧序列图像中的像素点历史的分布情况构建 GMM 模型，从而计算出相应的背景概率密度图，并用该图来初始化 graph 的 T-link 边权 值，同时在构建 graph 的 N-link 边时，充分考虑了相邻像素点之间的关系，从而能 够保证得到光滑的对象边缘，最后使用一种新的 Min-Cut/Max-Flow 算法进行分割， 从而得到高质量的检测结果。在基于 grab cut 的方法中，首先提取出一个粗略的前 景，然后在其上将使用形态学的组合处理以得到一个沿着对象边缘进行扩张的区 域，并将该处理结果用于初始化 trimap，然后该 trimap 信息和一种二叉树颜色聚 类算法将被用来进行背景和前景的 GMM 颜色建模，然后利用这两个 GMM 模型 和图像的相邻像素点的颜色信息来构建 graph，之后使用同样的最小割算法进行分 割，最后该方法同样需要建立背景概率密度图用来修正检测结果，实验结果表明， 基于最小图分割方法，可以纠正局部误差而不产生更大的全局性失真。从质量上 看，采用该新技术的结果更干净也更正确,且比传统的方法产生更少的错误。 对于使用最小图分割进行前景检测处理时间较长的问题，本文提出了一种基 于局部区域分割的层次模型来降低这种计算量，首先求得一个粗略的前景区域， 然后使用形态学消除噪声点，得到一些包含前景信息的团簇，然后用这些团簇来 确定对象所在的大致的局部区域，最后在这些局部区域上分别运用前面的图分割 检测方法，最后将这些检测结果合并。实验表明，该模型能够较大的提高算法的 效率。该模型还包含了一种用于阴影检测的方法。 关键词：运动前景检测， graph cuts，grab cut，层次模型，局部区域分割 I ABSTRACT ABSTRACT Foreground detection of moving object is an important component in the field of computer vision, because many subsequence processing stages are largely dependent on it, the result of the detection greatly affect