特征一致性约束的视频目标分割
目的 视频目标分割是计算机视觉领域的一个重要方向,已有的一些方法在面对目标形状不规则、帧间运动存在干扰信息和运动速度过快等情况时,显得无能为力.针对以上不足,提出基于特征一致性的分割算法.方法 本文分割算法框架是基于马尔可夫随机场(Markov random field,MRF)的图论方法.使用高斯混合模型,对预先给定的已标记区域分别进行颜色特征的建模,获得分割的数据项.结合颜色、光流方向等多种特征,建立时空平滑项.在此基础之上,加入基于特征一致性的能量约束项,以增强分割结果的外观一致性.这项添加的能量本身属于一种高阶能量约束,会显著增加能量优化的计算复杂度.为此,添加辅助结点,以解决能量的优化问题,从而提高算法速度.结果 在DAVIS_2016(densely annotated video segmentation)数据集上对该算法进行评估与测试,并与最新的基于图论的方法进行对比分析,对比算法主要有HVS(efficient hierarchical graph-based video segmentation)、NLC(video segmentation by non-local consensus voting)、BVS (bilateral space video segmentation)和OFL(video segmentation via object flow).本文算法的分割结果精度排在第2,比OFL算法略低1.6%;在算法的运行速度方面,本文算法领先于对比方法,尤其是OFL算法的近6倍.结论 所提出的分割算法在MRF框架的基础之上融合了特征一致性的约束,在不增加额外计算复杂度的前提下,提高了分割精度,提升了算法运行速度.
视频目标分割、特征一致性、马尔可夫随机场(MRF)、辅助结点、能量优化
25
TP391(计算技术、计算机技术)
国家自然科学基金项目;江苏省优势学科平台项目PDPA
2020-10-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
1558-1566