一种基于小波变换的马尔可夫随机场的视频对象分割

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (19): 196-199.

• 图形、图像、模式识别 • 上一篇下一篇

一种基于小波变换的马尔可夫随机场的视频对象分割

谢磊,李梅,高智勇,刘海华

中南民族大学电子信息工程学院，武汉 430074

收稿日期:2007-09-27 修回日期:2007-12-11 出版日期:2008-07-01 发布日期:2008-07-01
通讯作者: 谢磊

Video object segmentation based on MRF model using wavelet transform

XIE Lei,LI Mei,GAO Zhi-yong,LIU Hai-hua

College of Electronic and Information Engineering，South-Central University for Nationalities，Wuhan 430074，China

Received:2007-09-27 Revised:2007-12-11 Online:2008-07-01 Published:2008-07-01
Contact: XIE Lei

摘要/Abstract

摘要： 马尔可夫随机场（Markov Random Field，MRF）理论已经被广泛地应用于视频图像的分割。提出一种基于小波变换的马尔可夫随机场模型的视频对象分割算法。该算法利用小波变换将图像序列分解到小波域，并在此基础上建立马尔可夫随机场模型，构造相应的能量函数。通过迭代求解能量函数的最优解，得出标记场，提取出运动对象。仿真结果表明，该算法能够有效地抑制噪声，提高构成对象边界像素的数量，快速有效地提取出视频对象。

关键词: 马尔可夫随机场, 小波变换, 视频图像分割

Abstract: Markov Random Field（MRF） theory has widely been applied to segmentation in video images.In this paper，a video object segmentation algorithm based on Markov Random Field using wavelet transform is proposed.After constructing the image pyramid by wavelet transform，energy function of MRF model is defined.The authors solve the superior solution of energy function by reiteration，get a label field，and then extract the moving object.Experimental results are provided using trevor and miss american image sequences.The results show that the proposed algorithm can restrain noise effectively and extract the moving object exactly.

Key words: Markov Random Field（MRF）, wavelet transform, video object segmentation

谢磊,李梅,高智勇,刘海华. 一种基于小波变换的马尔可夫随机场的视频对象分割[J]. 计算机工程与应用, 2008, 44(19): 196-199.

XIE Lei,LI Mei,GAO Zhi-yong,LIU Hai-hua. Video object segmentation based on MRF model using wavelet transform[J]. Computer Engineering and Applications, 2008, 44(19): 196-199.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[6]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[7]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[8]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[9]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[10]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[11]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[12]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[13]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[14]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.

一种基于小波变换的马尔可夫随机场的视频对象分割

Video object segmentation based on MRF model using wavelet transform

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics