论文部分内容阅读
为了获取视频运动目标信息,提升目标提取的精度和效率,本文首先,采用中值滤波、三帧间差分、阈值法和形态学闭运算对视频图像序列处理,得到封闭的运动目标信息及其粗二值分割图像;然后,采用目标轮廓外围顶点坐标投影的方式,在原始帧图像和二值化图像上提取包含完整目标信息的图像块;最后,应用时空联合马尔科夫随机场和时空联合条件随机场分别对目标区域块建模,实现目标快速、准确提取。上述方案不仅实现随机场仅对包含目标的区域块建模分割,还可同时利用前面获取的运动目标信息,及其初始分割情况,很大程度上提高了分割速率及准确性。采用时空联合的马尔科夫随机场和时空联合的条件随机场建模,可同时参考时间域和空间域的邻域信息。尤其时空联合的条件随机场不但充分利用时空域的局部联系,还可以观察时空域所有图像的数据特征,提高二值分割的精确度。并且本文还针对时空域的条件随机场选用三种特征函数,分别为时空邻域对比度特征、时空域中央周围直方图特征和颜色空间分布特征,充分发挥条件随机场的优势。 为了获取更好的随机场模型参数,本文分别对分布估计算法、差分进化算法和单纯形法作出改进,并基于改进后的三种算法提出了一种混合算法,称作分层主导优化算法。它综合发挥了分布估计算法的全局探索性能,差分进化算法的相对局部寻优能力和单纯形法的局部快速优化的特点,实现了各算法的优势互补,从而避免单一算法易陷入局部早熟的弊端。本文还选用Spherical、Rosenbrock、Griewank和Ackleys函数,验证了分层主导优化算法的优越性能,其大幅度提高了寻优精度和收敛速率。因此,本文将分层主导优化算法引入到时空联合马尔科夫随机场模型及时空联合条件随机场模型的参数优化过程中,实现其参数的最优估计,提升两种随机场模型的性能。 本文将基于分层主导优化算法的时空联合马尔科夫随机场模型和基于分层主导优化算法的时空联合条件随机场模型分别应用于视频序列图像的运动目标提取中,仿真实验结果表明本文所引算法获得了优异的效果且提高了收敛速度与精度。