近年來(lái),隨著科技的發(fā)展,各種網(wǎng)絡(luò)平臺(tái)上出現(xiàn)了源源不斷的海量視頻數(shù)據(jù)。面對(duì)龐大的數(shù)據(jù)量,處理和分析這些視頻數(shù)據(jù)給計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域中的視頻存儲(chǔ)以及視頻內(nèi)容分析帶來(lái)了較大的挑戰(zhàn)。本文中研究的視頻目標(biāo)分割方法關(guān)注的重點(diǎn)是將視頻中感興趣的目標(biāo)從背景信息中分割出來(lái)。然而,如何檢測(cè)出視頻中感興趣的目標(biāo),并對(duì)此目標(biāo)進(jìn)行精確的分割具有一定的難度。目前在視頻目標(biāo)分割任務(wù)中存在的主要難點(diǎn)有:（1）視頻數(shù)據(jù)的維度高,數(shù)據(jù)量大;（2）視頻數(shù)據(jù)中背景信息復(fù)雜,目標(biāo)與背景的分界線不明確;（3）視頻數(shù)據(jù)中的目標(biāo)容易發(fā)生形變。針對(duì)視頻數(shù)據(jù)的特點(diǎn)和分割算法中存在的難點(diǎn),本文提出了兩種完全不同的結(jié)合先驗(yàn)信息與混合模型的視頻中目標(biāo)分割算法。本文工作主要貢獻(xiàn)和創(chuàng)新如下:（1）提出了一種基于顯著性檢測(cè)與混合模型的視頻目標(biāo)分割方法。為了完成從視頻數(shù)據(jù)中自動(dòng)檢測(cè)出目標(biāo)并完成精準(zhǔn)分割的任務(wù),本文提出了一種無(wú)監(jiān)督的視頻目標(biāo)分割方法。該方法首先使用了顯著檢測(cè)方法,結(jié)合目標(biāo)運(yùn)動(dòng)所產(chǎn)生的運(yùn)動(dòng)邊緣和目標(biāo)的外觀邊緣對(duì)視頻中的目標(biāo)區(qū)域進(jìn)行初始化,將目標(biāo)區(qū)域作為先驗(yàn)信息,使用高斯混合模型分別對(duì)目標(biāo)和背景建模,最后用馬爾可夫模型對(duì)目標(biāo)進(jìn)行準(zhǔn)確分... 

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外研究動(dòng)態(tài)
        1.2.1 基于顯著性的分割方法
        1.2.2 基于混合模型的分割方法
    1.3 組織結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 圖像與視頻目標(biāo)分割方法相關(guān)技術(shù)
    2.1 圖像分割算法
        2.1.1 基于閾值的分割方法
        2.1.2 基于邊緣檢測(cè)的分割方法
        2.1.3 基于超像素的分割方法
    2.2 視頻分割算法
        2.2.1 基于背景差分法的分割方法
        2.2.2 基于提取目標(biāo)運(yùn)動(dòng)邊緣的分割方法
        2.2.3 基于深度學(xué)習(xí)的分割方法
    2.3 本章小結(jié)
第3章 基于顯著性檢測(cè)與混合模型的視頻目標(biāo)分割方法
    3.1 基于顯著性檢測(cè)與混合模型的視頻目標(biāo)分割方法介紹
    3.2 基于顯著性檢測(cè)和混合模型的視頻目標(biāo)分割方法設(shè)計(jì)
        3.2.1 顯著性檢測(cè)
        3.2.2 主要目標(biāo)區(qū)域提取
        3.2.3 高斯混合模型
        3.2.4 馬爾可夫模型
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 基于深度學(xué)習(xí)與混合模型的視頻目標(biāo)分割方法
    4.1 基于深度學(xué)習(xí)與混合模型的視頻目標(biāo)分割方法介紹
    4.2 基于深度學(xué)習(xí)與混合模型的視頻目標(biāo)分割方法設(shè)計(jì)
        4.2.1 深度學(xué)習(xí)的分割網(wǎng)絡(luò)模型
        4.2.2 狄利克雷混合模型
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第 5 章結(jié)論與展望
    5.1 本論文工作總結(jié)
    5.2 將來(lái)工作展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果
    個(gè)人簡(jiǎn)歷
    論文發(fā)表情況
    獲獎(jiǎng)情況


【參考文獻(xiàn)】：
期刊論文
[1]基于光流場(chǎng)的圖像分割[J]. 焦春林,高滿屯,曹秋萍,陳淑梅.  西北工業(yè)大學(xué)學(xué)報(bào). 2006(02)
[2]基于光流場(chǎng)分割和Canny邊緣提取融合算法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 張澤旭,李金宗,李寧寧.  電子學(xué)報(bào). 2003(09)



本文編號(hào)：3700764