基于馬爾可夫隨機(jī)場模型的運(yùn)動對象分割算法_王閃

　　運(yùn)動對象分割在計(jì)算機(jī)視覺領(lǐng)域得到了廣泛的研究和應(yīng)用，分割的方法主要基于像素域和壓縮像素域，但隨著視頻分辨率的逐漸提高，像素域的分割漸漸無法滿足其實(shí)時性，分割速度到了瓶頸的狀態(tài)，于是提出了壓縮域的分割方法。在分割算法中，主要通過對提取目標(biāo)的特征信息進(jìn)行分割，在監(jiān)控的壓縮視頻中，提取運(yùn)動目標(biāo)主要采用的是運(yùn)動矢量（ MV） 和離散余弦變換（ DCT） 系數(shù)［1］。Ahmad A M A 等人［2］提出了基于 MPEG 視頻的級聯(lián)濾波（ cascade filtering） 方法，該方法將高斯濾波和中值濾波聯(lián)合來去除獨(dú)立噪聲從而產(chǎn)生運(yùn)動場。2010 年，Moura Ｒ C［3］ 提出了時空域的濾波（ spatio-temporal filtering，STF） 方法，該方法結(jié)合了 MV 空域和時域上的雙重相關(guān)性來濾除噪聲并保留運(yùn)動對象 MV，該方法也成為現(xiàn)在壓縮域?qū)ο蠓指钪兄饕臑V波算法?；?MPEG 視頻操作的有最大期望算法、區(qū)域生長方法以及多內(nèi)核均值漂移分割等［4］。但這些方法都要同時具有 MV 場和 DCT 殘差系數(shù)，其計(jì)算復(fù)雜度也很高。張文琪［5］對壓縮碼流中 4 × 4 塊殘差進(jìn)行處理，提出一種基于熵能選取自適應(yīng)閾值的時空域運(yùn)動對象分割方法。除了這些還有一些新興的方法，如 Lu Y 等人［6］ 提出的基于背景估計(jì)的算法，通過用幀間的編碼模式來估計(jì)出背景區(qū)域從而降低全局運(yùn)動補(bǔ)償?shù)臅r間。Sun L 等人［7］利用宏塊編碼的模式來估計(jì)運(yùn)動區(qū)域，快速高效，但是僅限于室內(nèi)等外界環(huán)境不變的條件。