基于边缘信息的图像分割技术研究

随着计算机、通信和信息处理技术的发展,基于视频的应用展现出了强大的可扩展性。视频对象分割,旨在分割出视频序列中的运动对象并沿时间轴跟踪运动对象的演进。许多与图像处理、视频压缩相关的应用都依赖于对运动对象的分割。视频对象分割技术同时也是基于内容的视频编码、视频内容的操作和交互式多媒体等应用的重要工具。对视频对象的分割通常是将视频的内容分割成具有语义的区域,并进一步作为对象来处理。这些语义上分割出的对象能够独立地编码,从而实现交互式多媒体中对视频内容基于对象的操作。虽然国内外的学者们提出了许多分割方法,但由于视频数据的复杂性,至今为止还没有一种是通用的、可靠的分割算法。 本文首先叙述了视频对象分割技术的发展现状,讨论了该领域的基本研究方法。接着,本文讨论了静态图像分割技术,主要分析了图像平滑方法和边缘检测技术,对其中部分方法进行了仿真,并对彩色图像处理进行了讨论和仿真。然后,本文研究了动态视频分割技术中的运动估计理论和方法,同时讨论了目前主要的动态视频分割方法,即Snake模型,并对该模型的外部力进行了详细的分析,比较了梯度矢量流(GVF)与传统外部力对Snake算法的影响,并进行了仿真。最后将时空信息融合与GVF-Snake算法结合,提出了二次差分法,同时融合空域信息,增强了传统GVF-Snake算法视频分割提取的信息量,对视频对象的初始化更加准确,有效提高了视频对象分割提取的效率,使得视频对象分割更完整和准确。