余晖[1]2007年在《基于MPEG-4的视频分割算法研究》文中进行了进一步梳理1999年ISO和IEC联合发布的MPEG-4是图像编码标准中第一个针对基于内容的应用的标准，它代表了未来图像编码的发展方向。要想实现基于内容的功能，必须先将视频序列分割成视频对象，精确、通用的视频分割至今仍是一个未解决的难题。在MPEG—4标准中视频分割的内容在附件F表述，虽然附件F中介绍了多种视频分割算法，但未指定某种算法做为标准，目的就是希望研究人员能提出更好的算法。2002年6月，我国自主制定的音视频编码标准AVS的工作组正式成立，视频组的专家统一了视频压缩以MPEG-4的框架为起点，而视频分割是完成视频压缩的前提。正是由于这些原因，本文选择了这一课题。视频分割分为自动视频分割和半自动视频分割两类。从实现步骤来说，都包括摄像机运动补偿，图像的梯度估计，图像的边界提取，帧内图像分割和帧间图像分割，帧内和帧间分割结果的合并这几步。本文针对半自动视频分割方法，对其中的梯度估计，边界提取，帧内图像分割和帧间分割中的运动分析进行了研究：(1)像素灰度值的差是一个重要的测度，在视频分割的各个步骤都要用到它，而梯度值能很好的反映该测度。本文在详细分析梯度估计中出现的问题的基础上，提出了一种梯度估计算法，用该算法估计的梯度值在准确性以及对水平、垂直和对角线方向上的变化的检测要优于传统的梯度估计算法。(2)边界提取是以边缘检测为基础的，准确、容易实现、鲁棒性好的边缘检测算法在视频分割中至关重要。边缘检测的研究是从基于梯度的算法开始的，本文针对基于置信度的边缘检测算法进行了分析，该算法是由基于梯度的边缘检测和模板匹配法融合而成的。对其算法中的关键步骤，迟滞的阈值设置步骤进行了探讨，指出了对感兴趣的对象的梯度值比背景纹理的梯度值小的图像，应选取的阈值曲线类型。(3)在帧内分割步骤，本文研究了基于均值平移的图像分割方法，均值平移是一种非参数且鲁棒性好的聚类算法，其在图像处理的各个领域当中的应用，是近期的研究热点。将均值平移算法用于彩色图像分割时，空间域带宽h_s和色度域带宽h_r是两个重要的参数，它们决定了分割后的图像在空间域和色度域的分辨率。本文研究了对于纹理复杂且颜色相差很大的图像，h_r的选取情况，通过实验，归纳出了它的取值范围。(4)帧间分割步骤是通过对视频对象进行运动分析来实现的。本文论述了一种像素点匹配算法，它融合了光流法和基于颜色密度分布的方法，结合了两者的长处。用该算法对视频序列进行了实验，验证了它的性能，也指明了它的不足。最后，以本文论述的梯度估计、边缘检测、帧内分割、帧间分割中的运动分析为基础，提出了一个半自动视频方案，从原理上阐明了它的实现步骤。
包红强[2]2005年在《基于内容的视频运动对象分割技术研究》文中进行了进一步梳理随着现代信息社会的不断发展,人们获得的多媒体信息日益增加。因此,对各种多媒信息的处理技术就变成了相关领域内学者的重要研究任务。在这些多媒体中,视觉信息因其形象、生动和直观的特点而更为人们所关注,但同时视觉信息巨大的数据量给传输、存储、处理带来了挑战。因此对视觉信息尤其是视频信息的各种处理技术研究就从来没有停止过。 为了更有效地存储、传输和使用视频数据,必须进行视频压缩。MPEG组织提出了第二代视频压缩标准MPEG-4。相比与第一压缩标准,MPEG-4最显着的特点之一就是提出了基于对象的编码方式。要实现基于对象的视频编码,首行要进行视频对象分割。视频对象分割是指在时空域上将视频分割为一些视频语义对象的组合,也就是将每一个视频帧分割为一些不同语义对象区域。同时为视频数据检索服务的MPEG-7标准则提出了对各种媒体对象进行统一和规范化的描述。而一些计算机视觉等也需要基于对象的各种功能。因此,基于对象的视频信息描述方式已成为多媒体信息处理技术中的一种巨大需求。 然而,由于视视对象分割是相当困难的问题,MPEG-4尽管引入了视频对象的概念,但它并没有指定从视频序列获取视频对象的具体方法。视频对象分割的困难性主要体现在两方面:(1)现实世界中视频场景极度复杂和多样,很难用一种方法进行统一的分割;(2)视频对象的定义是一种基于高级语义的描述,很难用低层次的视觉描述方式如边缘、颜色、运动等特征来描述,而目前的图象分析技术又远远不足以将高层次语义对象用机器语言来准确的定义和描述。 尽管困难重重,但由于广泛的应用前景,近几年对视频对象分割技术的研究就从来没有停止过。本论文研究了视频对象分割中的一些技术难点和重点,包括如何提高自动视频运动对象分割的准确性,如何对视频分割中的难点问题如遮挡等进行处理,以及如何在多种复杂运动情况下进行对象分割。研究目标既有单视频对象,又有多视频对象,重点对多视频对象分割进行了研究。具体地,本论文的主要工作和创新点包括: 针对视频对象分割准确性不高的问题,提出了一种基于区域多重选择的视频运动对象分割提取方法:首先利用一种有效的方法在空间域(帧内)进行区域划分,得到基于区域表示的空间图;然后利用改进的帧差法计算序列时间域(帧间)信息,对所有区域进行分类选择,区域内运动属性非常明显的确定为对象区域,非常不明显的为背景区域,而介于两者中间的区
雷茂慧[3]2006年在《基于MPEG-4的视频分割和运动估计算法研究与设计》文中指出随着人们对视频信息需求的日益增长，H.26X、MPEG系列视频国际标准不断被推出，我国也积极推动自己的音视频编解码标准(AVS)的制定，AVS的视频部分己于2006年3月1日开始实施。其中，由MPEG组织制定的MPEG-4标准是一种基于“内容”的可交互性的第二代视频压缩标准，该标准在视频检索、视频监控和IPTV等方面都具有良好的发展前景。本论文对MPEG-4的高级应用前提——视频分割和运动估计算法进行了分析和改进。尽管MPEG-4定义了视频对象的概念，但是却没有定义视频分割算法，因此本论文对视频分割算法进行了研究和设计。首先，介绍了现有的几种视频分割算法，并对其进行了分析。其中的对称差分法能准确快速地检测到运动物体，在实时性要求较高的视频压缩中具有一定的优越性；但是该方法存在有时会提取不全或提取不出物体的缺陷。然后，本论文在对称差分法的基础上提出了一种视频分割算法，加入运动估计，还在对称差分法的中间处理过程——二值图像的预处理中加入了双阈值法作去噪去空洞处理。实验表明，本论文的算法解决了对称差分的缺陷，在运动信息不够明显的情况下依然能够提取出整个物体，从而增强了对称差分法的健壮性。运动估计算法不仅对本论文的视频分割有着很重要的意义，在整个的视频压缩算法中也具有举足轻重的作用，是视频压缩中占用计算量最大的一部分。本论文接下来介绍了运动估计算法原理，随后对几种经典的运动估计算法进行了描述和分析。本论文在对标准视频序列进行深入分析之后，发现运动矢量的分布除具有中心偏移性这一特点外，还具有另一重要特点，即在中心点水平和垂直方向上的分布较其他方向的分布更为密集，据此本论文提出了一种符合该特点的运动估计算法——新十字形搜索算法(NCS)，将搜索模板改进为大小十字形。实验表明该算法较之前的钻石搜索算法在图像质量和搜索点数方面均具优越性。运动估计中除了运动搜索算法，起点的预测也是不可或缺的，本论文设计了一种与NCS相匹配的运动预测算法，首先将预测器的数量减少为两个，并采用比较精确的比较法，然后根据自适应的阈值法来决定预测后采取的动作：是直接中止还是进入不同的十字模板进行搜索。这一系列的改进进一步加强了NCS算法的优势。
纪腾飞[4]2007年在《基于动静背景下的视频对象自适应提取算法》文中研究表明随着多媒体技术和互联网的高速发展,使得数字视频在人们生活中的应用越来越广泛,数字电视、网络电视(IPTV)、手机电视以及视频点播(VOD)等新型的视听应用正走向千家万户。数字视频与图片和语音相比,数据量巨大,对存储器、通信信道以及处理器等都提出了相当高的要求。为了解决数字视频数据量巨大的问题,视频数据的高效压缩意义重大,是降低存储成本,缓解网络带宽,突破存储空间和处理器主频限制的关键技术。新的视频压缩标准MPEG—4,提出了基于内容编码的重要思想,把视频数据分成一个个视频对象进行压缩、存储和传输,促使视频对象分割技术成为一个研究热点。为此,本文提出一种新的基于动静背景下视频对象自适应提取算法,该算法可以自动提取动态背景和静态背景视频序列中的视频对象。能够结合在预处理阶段对视频序列的灰度图进行局部对比度增强处理和利用在帧差过程中实时的对帧差结果进行方差判决,解决了由于视频序列对比度低带来分割的困难和视频停止运动时间较长时的视频对象丢失问题。在全局运动补偿时,应用一种改进的快速算法,在计算量基本相同的情况下,实现背景偏移量的完美测定。仿真的实验结果表明,该算法能够精确的从复杂背景中分割出视频对象,并且可以保证在视频停止变化时保持视频对象的连续输出。该算法侧重于视频对象分割的准确性、通用性和连续性,同时尽量减少算法的复杂度和计算量,以便能够适应于视频通信的实时环境。
张光玉[5]2003年在《基于MPEG-4的视频分割算法研究》文中进行了进一步梳理MPEG-4最重要的特点是基于对象的操作和编解码。这需要按照视频对象进行视频分割。研究一种自适应性强，实时性好的视频分割算法，是实现MPEG－4产品化的关键，基于这种考虑，选择了这一课题。论文工作的贡献主要反映在以下叁个部分。(1)视频分割的关键是获得视频对象的边界，边缘检测很重要,本论文以人类的视觉系统的特性为出发点，对图像处理中经常应用的马赫带现象进行了详尽的分析并进行了数学建模，研究分析了彩色图像的马赫带现象。在对马赫带图像分析的基础上，得出了人类视觉系统对图像边缘能识别的最小灰度差和彩色差曲线。以此为基础提出了小波边缘检测中的自动阈值选取算法，分别用灰度图像和彩色图像作实验，实验结果证明了这种算法具有较强的自适应性和较好的提取效果。(2) 小波多尺度边缘提取遇到的一个至今未解决的难题是：多尺度的选择问题。为了解决这个问题，本文针对传统的边缘模型分类的不足，研究了一种新的分类方法。并对小波边缘检测中由于尺度和边缘类型的不同而引起的边缘点的偏离情况进行了分析，在此基础上提出了在一定的尺度范围内运用大尺度进行边缘提取的算法。并用计算机进行了模拟实验，实验结果证明了这种算法的有效性。(3) 对视频分割算法进行了全面的分析。在对MPEG－4标准分析的基础上，研究了一种可以降低视频分割难度的MPEG－4实现模型。以此模型为基础并针对各种视频分割的缺陷，提出了一种基于人的视觉特性的半自动分割算法。该算法在用户图形界面（GUI）中通过鼠标描绘出视频对象的大致轮廓，并进行二进制填充得到粗模板。利用视觉系统的周边抑制机制对模板外的象素进行屏蔽，消除背景影响，由自动阈值选取的小波边缘提取获得视频对象的边界，利用种子生长法进行轮廓拟合，由最短路径法校正模板，在进行视频对象的跟踪时，利用运动信息和上一帧的模板，得到一个初始分割，利用空间信息对边界象素调整，最后得到精确分割的视频对象。通过实验证明了这种算法具有较强的自适应性和比较好的分割效果。
吴则举[6]2005年在《基于MPEG-4的视频对象分割算法研究》文中提出视频编码标准MPEG-4增加了适用于多种应用的基于视频内容的功能,为了支持这一功能和提高编码效率,MPEG-4将视频序列中的每一帧分解成视频对象面(VOP)。这需要按照视频对象进行视频图像分割。基于MPEG-4的视频对象分割是MPEG-4标准的核心问题,同时,也是一个非常复杂的问题。在MPEG-4标准中,视频对象的分割仍然是一个开放部分。因此,本文选择了这一既有理论价值又有应用价值的课题,基于MPEG-4的视频对象分割算法研究。 视频图像处理数据量大,基于MPEG-4的视频分割算法实时性要求高,要对视频图像进行实时处理,在普通微机上很难完成。由于DSP器件具有强大的实时运算能力,在本研究中采用了TI公司的最新产品IDK(Imaging Developer's Kit)来进行视频图像的采集、处理。 本文主要工作表现在: 1.对基于MPEG-4的视频对象分割算法的国内国际现状作一个全面的综述。通过查阅和整理相关领域的原始文献,对各种视频分割、跟踪算法进行深入研究。 2.通过摄像头采集进来的视频序列可能受到各种噪声源的干扰,如果不加处理,会直接影响到我们的分割结果。对实时视频序列进行了低通滤波,滤除了高频噪声,又较好地保持了图像的边缘特性,实现了视频分割前的预处理。 3.为了实现较完整的视频对象分割,提出了一种基于视频图像边缘信息和最小错误率的贝叶斯决策理论的视频对象分割算法。 4.为了提高视频序列的分割速度和分割结果的连续性,需要对视频对象进行跟踪。基于视频运动对象跟踪的现状和特点,本文提出了一种基于视频运动对象区域灰度特征跟踪和基于视频运动对象的轮廓特征相结合的视频运动跟踪算法。
刘新春[7]2000年在《面向MPEG-4的视频分割算法研究》文中提出MPEG－4最重要的特点是用音频－视频对象来描述内容和进行编码。这需要按照视频对象进行视频图像分割。这个问题本身非常复杂，到目前为止还没有一个很通用的成功方法。在MPEG－4标准中，视频对象的分割仍然是一个开放部分。作为MPEG－4最基本的出发点，视频分割算法的好坏对最终产品至关重要。正是基于这种考虑，本文选择了这一课题。 本文研究视频对象分割算法，侧重于高速算法和实时实现方法。本文方法的要点是利用视频对象运动的一致性。这要求对物体运动的估计精度足够高，计算速度足够快，为此本文提出了一种基于多分辨率分解的参数化运动估计算法。为了充分利用物体运动的相关性，需要利用物体的运动信息进行视频对象跟踪。 本文工作的贡献主要反映在以下叁个部分。 1．在参数化运动的多分辨率估计中，首先对图像进行小波分解，然后从低分辨率到高分辨率逐级估计物体的运动。在每一分辨率下，利用最速下降法对初始运动估计进行调整。在最低分辨率下，利用光流场方法求出物体运动的初始估计。高分辨率下物体运动的初始估计是把低分辨率下的结果进行投影而得到的。为了减少模型失配对运动参数估计的影响，需要使用稳健估计方法。本文把M估计算子嵌入到多分辨率估计算法中，可以提高运动估计的精度。运动估计计算负担很重，为了适应实时处理的要求，硬件实现不可避免。本文给出了基于文中算法的一种硬件实现结构框图。 2．与通常所见到的视频对象分割算法不同，本文中的方法利用对象运动的一致性来分割视频对象。逐个估计图像中的运动，不同的运动对应着不同的支撑区域，不问的支撑区域对应着不同的视频对象。与通常方法相比，本算法的计算速度明显要快。 3．在进行视频对象的跟踪时，先利用运动信息投影视频对象，得到一个初始分割。再利用对象运动的一致性对边缘像素进行调整，就可以得到最后的分割结果。为了提高算法的效率，本文设计了一种正、逆光栅扫描方式的搜索方法。计算机模拟表明了本跟踪算法的有效性。 目前已报道的面向MPEG－4的视频对象分割算法都缺乏通用性，还有许多工作需要进行更深入的研究。算法的硬件实现是一个很富挑战性又必须解决的问题。这些问题也是本文作者将来的努力方向。
张荣芬[8]2006年在《MPEG-4“方块DCT+适应形状SA-DCT”变换算法研究及FPGA实现》文中进行了进一步梳理在MPEG组织(运动图像专家组)制定的系列视频标准中，MPEG-4是新一代基于内容的多媒体数据压缩编码国际标准，它与传统视频编码标准的最大不同在于第一次提出了基于对象(Object-based)的视频编码新概念。基于内容的交互性成为MPEG-4视频压缩标准的核心思想，引领了视频编码技术和多媒体应用及发展的新方向，是目前视频压缩领域研究的热点。 本文在概述和总结MPEG-4编解码关键技术的基础上，重点探讨了MPEG-4基于任意形状VOP的“形状自适应离散余弦变换”的变换编码算法(Shape-Adaptive DCT，除小波变换外，目前国内外广泛采用“方块DCT+SA-DCT”算法)及其适合的FPGA硬件实现。文中首先简要介绍现有图像压缩标准的制定背景、核心思想、基本组成、涵盖功能、编解码算法体系等，进一步对MPEG-4的视频对象提取、VOP视频编码、可分级扩展编码、运动估计与运动补偿、Sprite视频编码等关键技术进行了详细阐述；然后针对具有形状自适应能力的“方块DCT+SA-DCT”变换技术及其算法实现展开深入研究、寻求其适合的硬件实现结构，并以VHDL为行为描述工具，以Xilinx公司的ISE 7.1i为开发平台，进行了算法模块的设计和功能仿真，得出实验结论并验证达到预期目标；文章最后阐述了对论文研究的感想及收获，提出今后的研究方向及重点，这对于深刻理解“MPEG-4基于对象的编解码算法与FPGA结合”内涵和开展进一步的FPGA研究工作都具有重要意义。
杨高波[9]2004年在《基于内容多媒体应用的语义视频对象提取及评价》文中研究说明传统的视频压缩编码标准MPEG1／2和H．26x都采用基于帧的技术，不要求对场景进行分割。它们能获得较高的压缩比，并在许多领域得到了广泛的应用。随着多媒体信息的日益丰富，人们不再满足于对视频信息的简单浏览，而要求提供基于对象的操纵、交互等功能。为此，MPEG-4引入视频对象的概念，以支持基于对象的交互性和可分层性。MPEG-7则对各种媒体对象进行统一和规范化的描述。按照MPEG-4的校验模型，视频序列必须先分割成具有语义意义的视频对象，然后对其运动、形状和纹理分别进行编码。视频对象的应用价值主要有：对不同的视频对象按其对视觉重要性分配不同的码率，可提高压缩编码效率；支持对象可分级，在较低的网络带宽时获得更好的视觉效果；用视频对象来组织视频内容，能实现基于视频内容的存储、交互和查询等功能。 然而，MPEG-4尽管引入了视频对象的概念，它并没有指定从视频序列获取视频对象的具体方法。一方面，视频对象的语义一致性难以通过视频的低级物理特性来建模，使得针对各种视频序列的通用视频对象分割算法是一个尚未解决的经典难题；另一方面，针对特定的应用，往往可以利用先验知识设计相应的算法。 本论文重点研究MPEG-4框架下的从视频序列中分割出视频对象的方法和技术，以及其在基于内容多媒体中的应用。研究目标是：对特定类型的序列如头肩序列，算法满足实时性要求；对背景静止的序列，全自动分割算法取得较好的分割效果；对复杂背景和前景运动视频序列，采用半自动分割算法，要求得到较好的分割质量，而且人机交互简单。具体地，本文研究的主要内容和贡献包括： 提出了两种全自动的视频对象分割算法。第一种采用背景记录和变化检测，主要由预处理、背景记录、背景缓冲、变化检测和后处理等几部分组成。它不需要诸如运动估计、特征空间分析等计算量大的操作，并能有效去除阴影和光照变化造成的影响。它能够生成背景信息，支持MPEG-4的精灵编码。第二种是一种基于时空分割融合的视频对象提取改进算法。时间分割基于变化检测，其关键的阈值选取是通过直方图分析得到的。空间分割是本算法的核心，采用基于小波变换的分水岭变换算法。 提出了一种半自动的视频对象分割算法。为方便用户定义初始对象轮廓，提出了一种修杨高波基于内容多媒体应用的语义视频对象提取及评价 改的智能剪.它通过引入边界框、简化代价函数和改进搜索策略等，可提高优化路径搜索速 度约6一8倍，而几乎不损失分割精度，完全满足半自动分割算法对初始对象轮廓勾勒的要求。 为克服对象跟踪过程中的误差积累，按视频对象的刚性、非刚性以及全局、局部直方图比较 进行视频分解得到后续帧的视频对象。由于视频分解以及人工参与，它可以在很大程度上解 决遮挡问题，取得了比COSTZll AM更好的分割效果。 针对目前的视频分割算法大多数难以满足实时性要求，采用了一种新的计算体系结构， 即将细胞神经网络引入视频对象分割.细胞神经网络是一种非线性模拟电路，由大量胞元组 成，且只允许最邻近的胞元间直接通信。由于它具有的高度并行的实时处理能力和机理类似 于人类视觉系统，特别适合于图像处理等领域。然而，与传统的CISC处理器相比，CNN只 能利用一些简单的基于像素的函数，有相对狭窄的指令集一尽管有很高的速度。因此，基于 O四体系结构的视频对象分割算法的关键是充分考虑到经胞神经网络的特点，将复杂的视频 分割算法分解为一些CNN胞元能够完成的低级操作。论文提出基于彩色边缘变化检测的视频 分割算法。所有的模板都是3x3的线性模板，并能在CNN的模板库中得到，因此，其易于CNN实现。 本文提出了一种客观的存在参考分割时分割算法评价方法。视频分割算法往往只适合特定的应用，其性能依赖于具体的序列。目前，视频分割算法的性能评价以对己知序列的分割结果的主观评价为主，尚没有一种广泛接受的客观评价方法。视频分割算法的评价是重要的，它有助于针对具体的应用选取合适的算法并设置恰当的参数，以及有利于通过融合各种算法的优点发展新的算法;而且，自动分割算法采用性能评价作反馈可改进分割性能。空间精确度通过相对前景面积、位置、边界像素距离以及像素分类来进行，并将其按对人类视觉系统的重要性线性加权。而时间一致性反映分割算法分割各帧时的稳定性，它通过空间准确度的变化‘来刻画。实验证明，其评价结果与主观评价结果一致，而且计算量小。 综上所述，本论文系统地研究了MPEG4框架下的语义视频对象分割问题，根据具体的问题提出了满足实际需要的全自动、半自动分割算法，并探讨了在存在参考分割的情况下客观地评价视频分割算法性能的方法。
邬正平[10]2002年在《视频对象分割技术的研究》文中研究指明随着通讯和信息处理技术的发展，基于视频的应用展现出了强大的灵活性和可扩展性。视觉通讯随之成为成长最快的信息载体。数字化的应用和服务正大量涌现，如数字电视，远程会议，视频电话和基于图像的交互式多媒体等。这些伴随着大数据量的应用和服务要求更先进的数字信号处理技术，以便进行更高效的存储和传输，以及更准确的分析和更灵活的操纵。视频对象分割就是这样一种技术。 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、模式识别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、视频内容的操纵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纵。比如，在MPEG-4标准中，视频序列被认为是由一系列相互独立的运动对象组成的，并且视频序列的编码是针对一个一个对象的。在MPEG-7中，基于帧间运动信息的分割结果以及对象的突然形变将被用于高层(对象层)的语义描述。 本文首先叙述了视频对象分割技术产生和发展的背景，然后讨论了视频对象分割技术发展的现状。接着，本文深入研究了视频对象分割技术：首先将信息融合技术应用于视频对象分割，利用视频流的图像信息和运动信息，提出了一种新的视频对象分割方法，为实时的视频流前景提取提供了一种新的思路与解决方案；然后，为增加通用性，本文又提出了一种基于动态规划的自动视频对象分割方法；最后，作为一种补充，本文还实现了一种交互式的视频对象分割方案。本文的研究思想和内容是通过对图像分割和视频跟踪等关键技术的研究，实现视频对象的自动分割和半自动分割，并在此基础上实现其在视频编码、编辑、检索，视频会议和视频理解等方面的应用。并在最后对这一领域的发展方向和前景做了展望。
参考文献：
[1]. 基于MPEG-4的视频分割算法研究[D]. 余晖. 山西大学. 2007
[2]. 基于内容的视频运动对象分割技术研究[D]. 包红强. 上海大学. 2005
[3]. 基于MPEG-4的视频分割和运动估计算法研究与设计[D]. 雷茂慧. 江苏大学. 2006
[4]. 基于动静背景下的视频对象自适应提取算法[D]. 纪腾飞. 吉林大学. 2007
[5]. 基于MPEG-4的视频分割算法研究[D]. 张光玉. 电子科技大学. 2003
[6]. 基于MPEG-4的视频对象分割算法研究[D]. 吴则举. 青岛科技大学. 2005
[7]. 面向MPEG-4的视频分割算法研究[D]. 刘新春. 中国科学院电子学研究所. 2000
[8]. MPEG-4“方块DCT+适应形状SA-DCT”变换算法研究及FPGA实现[D]. 张荣芬. 贵州大学. 2006
[9]. 基于内容多媒体应用的语义视频对象提取及评价[D]. 杨高波. 上海大学. 2004
[10]. 视频对象分割技术的研究[D]. 邬正平. 浙江大学. 2002
标签：电信技术论文; 运动估计论文; 图像分割论文; 语义分析论文; 图像编码论文; 图像融合论文; 梯度下降论文; 图像梯度论文; 运动论文; 算法论文;