基于时空标记场最大后验概率的多视频对象分割算法

该文提出了一种基于贝叶斯框架的时空标记场最大后验概率的多视频对象分割算法,根据视频序列帧间 (时间域)和帧内(空间域)信息的不同特点,建立基于多个对象分割标记场的最大后验概率公式,并导出其最小能量函数,通过求解最小能量使其分割标记的后验概率达到最大。最小能量的优化求解用迭代条件模式(ICM)方法, 初始分割标记场用矢量直方图法得到。实验结果表明,该文提出的算法对存在局部遮挡的多运动对象分割是有效的。

基于时空曲线演化的多视频运动对象分割算法

多视频对象由于其运动的复杂性 ,在分割提取过程中有较大的难度 .本文提出了一种基于时空曲线演化的多视频对象自动分割方法 ,首先根据视频序列帧间 (时间域 )和帧内 (空间域 )信息的不同特点 ,建立基于全局和局部特征的能量模型 ,并由此导出基于levelsets方法的曲线演化方程 ;然后用视频序列的连继两帧帧差得到初始的视频对象 ,分别进行时间和空间曲线演化跟踪 ,提取多个视频对象 ;当对象因运动而发生相互遮挡现象时 ,利用基于Bayes最小错误概率决策法则的判断方法 ,分割遮挡对象和显露对象 .实验结果表明 ,本文提出算法的分割效果在空间准确度上比COST2 11算法提高 30 5 0 % ,比最佳的帧差分割算法提高 5 10 % .