一种视频对象分割技术的研究与实现

2
当 != 3 时, 上式等于 0 16% 。同时根据高斯 分布的 3 特性 , 判决门限取为 3 倍方差。本文需要 提取的运动区域为 : Rm = ( x , y ) dk ( x , y ) ∀ ! ( 8) 2. 3 运动区域生长 本文提出一种在序列图像差分域中进行区域生 长的算法。该方法基于 Bayes 统计模式识别 , 以最 大后验概率( MAP) 为区域生长准则。该算法克服了 传统的时域生长算法只利用图像灰度信息的缺点。 对于复杂图像 , 如区域间边缘灰度变化平缓的图像, 可以得到较好的分割效果。 在差分域中图像分割处理问题可以归结为一个 二值标记 问题。对二维差分 图像中每一个像 素点 d k ( x , y ) 在 t 时刻赋予一个标记量 f 。如果该点属 于运动目标区域则 f = 1, 否则 f = 0。但在图像的标 记问题中 , 不可避免的要加入上下文限制。图像中 各个点不是相互独立的 , 相邻的点会相互影响。在 标记时可以将这种上下文限制作为先验知识, 用马 尔可夫随机场 ( MRF) 进行描述。根据 Bayes 定理: P ( F| D ) = 其中 D = P ( D | F) P( F ) P ( D) ( 9)
Abstract: In this paper a technology of video object segmentation is presented. First ly, the current frame is compen sated after globe moving estimation, and the difference operation is made between the current frame that has been com pensated and the prior frame; then the moving region is obtained from the difference image based on Neyman- Pearson criteria, and in the difference image a new region growing algorithm which overcome the default of the tradit ional algo rithm of region growing in the time- domain is used to obtain the binary segmentation model of video object; finally, based on the moving detection algorithm the labeled blocks that are resulted from noise are eliminated. The experiment result shows that the technology can segment the video object efficiently. Keywords: video objects; globe moving estimation; Neyman- Pearson criteria; region growing; MRF model
第一类错误概率 P 1 ( D 1 | H 0 ) =
( D 1 为差分域中判
决为视频对象的像素集合) 的条件下, 使检测概率 P ( D 1 | H 1 ) 达到极大。定义判决门限为 !。当 dk ( x , y ) ! ! 时 , 判决 H 1 为真, 反之判决 H 0 为真。门限 ! 的选择应满足虚警概率的约束条件, 即 : P 1 ( dk ( x , y ) | H 0 ) = ( 1) - d k( x, y ) 2
本文于 2003 年 12 月收到。王东升 : 博士 ; 李在铭 : 教授。
44
电 子 测 量 与 仪 器 学 报
2005 年
在数学上 , Neyman- Pearson 准 则可表示为: 在 给定
2
2. 1
视频对象分割的关键技术
全局运动估计与背景补偿校正 在运动背景下, 图像坐标中各像素点的运动速
c% C [ 5,6]
:
由于很难确定视频对象的先验分布, 我们采用 不包括先验概率的 Neyman- Pearson 准则进行检测。
1 e Z
U( F )
( 10)
Vc ( F ) 为 能 量 函 数, Z =
第4 期 e
- U( F )
一种视频对象分割技术的研究与实现 是归一化常数 , Vc ( F ) 是基团 c 的势函数。
MPEG- 4 已经成为新一代 的视频图像编码国 际标准。它可以根据图像内容的不同, 将图像分割 为不同的区 域, 形成不 同的视 频对象 平面 ( VOP) 。 然后根据不同的视频对象特征采 取不同的编码技 术。这样可以在保证视觉质量的同时, 提高编码效 率。而且允许用户对多媒体数据进行基于内容的操 作。因此研究 视频对象的分割技 术具有重要的意 义。视频对象分割的原理就是利用运动信息把运动 对象从背景中分离出来。通常的运动检测算法有基 于相邻帧差分的算法和基于背景图像和当前帧差分
45
F
计可以等效为求系统能量函数的最小值。我们提出 如下区域生长算法 : 首先取门限 != 3 对差分图像 进行初始分割 , 得到初始标记场; 然后在初始标记场 中对每一个标记为 f s = 1 的点考察其邻点集 L s 。若 f t = 0( t % L s ) , 则分别用 0、 1 两个标记进行测试, 使 系统能量函数小的标记得到保留。如此迭代进行, 直 到目标区域不在生长。采用形态学滤波方法对得到 的标记场进行修正, 填充空洞和去处毛刺。由于在初 始标记场中不可避免的还有噪声点存在, 导致在标记 场中存在由噪声点得到的标记块。我们采用块匹配 的方法进行运动检测 , 只保留运动变化的标记块。
相邻两帧进行差分检测。然后利用 Neyman- Pearson 准则从差分图像中提取 运动区域 , 根据提 取的运动 区域研 究了一 种在序 列图像差分域中进行区域生长的算法 , 获得了 视频对象的二 值化分割 模板。最 后利用 运动检测 算法剔 除由于 噪声导 致的标 记块。实验结果表明 , 本文所述方法能够有效的分割出 视频对象。 关键词 : 视频对象 ; 全局运动估计 ; Neyman- Pearson 准则 ; 区域生长 ; 马尔可夫随机场
[ ( x - x) + ( y - y) ] ( x, y )
2
~
2
~
2
( 2)
将( 1) 式带入 ( 2) 式得到 : [ ( x - a - bx - cy ) + ( y - d - ex ( x, y ) ( 3)
我们在第 k 帧中选择若干特征点由 ( 3) 式利用 T 最小二乘法估计全局运动参数 P = [ a b c d e f] 。 得到全局运动参数后 , 利用( 1) 式计算图像中各点的 位移 , 对图像进行双线性内插背景补偿校正变换。 2. 2 运动区域提取 经过背景补偿校正后的视频图像, 相邻两帧进行 差分运算。设 I ( x , y , k ) 表示一个视频序列的灰度值。 I ( x , y , k ) = b ( x , y ) + mk ( x , y ) + n k ( x , y ) ( 4) 其中: b ( x , y ) 为背景区域, m k ( x , y ) 、 nk ( x , y ) 为第 k 帧中的运动 目标和噪声。本文假设噪声是 2 均值为零、 方差为 的高斯 噪声。将相邻两帧相 减, 得到邻帧差分图像: dk ( x , y ) = m ( x , y ) + n( x , y ) ( 5) 式中 m ( x , y ) = m k + 1 ( x , y ) - m k ( x , y ) 表示由 于目标运动所引起的灰度变化, 其包含了运动目标的 信息。n ( x , y ) = nk + 1 ( x , y ) - n k ( x , y ) 为相邻两帧的 噪声差。为了提取视频对象可对差分图像进行划分, 检测出运动区域。在统计学上, 这相当于判决以下两 个假设 H 0 和 H 1 之一为真的二元假设检验问题。 H 0!dk ( x , y ) = n ( x , y ) H 1!dk ( x , y ) = m( x , y ) + n ( x , y ) ( 6)
的算法
[ 1- 3]
。
1
引 言
本文提出一种视频对象分割技术。该方法首先 利用块匹配算法对当前帧进行全局运动估计和补偿 校正 , 并将校正后的当前帧与前一帧进行差分检测。 然后利用 Neyman- Pearson 准则在差分图像上进行 初始分割提取出运动区域。根据提取的运动区域研 究了一种在差分域中进行区域生长的算法, 获得了 视频对象的二值化分割模板。该区域生长算法克服 了传统的时域生长算 法只利用图像灰度信息 的缺 点。由于噪声的影响 , 分割模板中可能混有由于噪 声引起的标记块。最后利用运动检测算法剔除由于 噪声导致的标记块。实验结果表明 , 本文所述方法 能够有效的分割出视频对象 , 具有较好的鲁棒性。
d 1 , d 2 , ∃, ds 为 序列 图像 的差 分
域, F = f 1 , f 2 , ∃, f s ( s % D ) 为分割标记场 , P ( F | D ) 为分割标记场的后验概率 , P ( D | F ) 为给定分 割标记场时的条件概率函数 , P ( F ) 为 先验概率函 数, P ( D ) 为一个未知常数。 先验概率函数 P ( F ) 对分割进行空间连通性约束, 可以用马尔可夫随机场(MRF) 模型进行描述。根据马尔 可夫随机场(MRF) 与吉布斯随机场分布的等价性 P( F ) = 其中: U ( F ) =
第 19 卷
第4期
2005 年 8 月
电子测量与仪器学报 JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT