融合多尺度信息和MRF的序列圖像運(yùn)動目標(biāo)分割
師冬霞; 夏平; 雷幫軍; 任強(qiáng) 三峽大學(xué)水電工程智能視覺監(jiān)測湖北省重點(diǎn)實驗室; 三峽大學(xué)計算機(jī)與信息學(xué)院; 湖北宜昌443002
關(guān)鍵詞：運(yùn)動目標(biāo)分割 mrf模型 多尺度信息融合 標(biāo)記場 迭代條件模式
摘要：提出融合小波域多尺度信息和MRF模型的序列圖像運(yùn)動目標(biāo)分割算法。對視頻每幀圖像進(jìn)行小波多分辨率分析,融合每一尺度的特征信息,在此基礎(chǔ)上構(gòu)建每一尺度MRF模型的特征場和標(biāo)記場;標(biāo)記場采用Potts模型建模,同一尺度觀測特征場采用混合高斯模型建模,同標(biāo)記的特征場采用高斯模型進(jìn)行建模,相鄰尺度間標(biāo)記場用一階Markov轉(zhuǎn)移概率描述;最后,利用迭代條件模式(ICM)實現(xiàn)MRF模型中后驗分布函數(shù)最優(yōu),完成運(yùn)動目標(biāo)分割。實驗結(jié)果表明,該算法能較好的提取運(yùn)動目標(biāo)信息,在固定場景的視頻監(jiān)控中具有一定的適用價值。
信息通信雜志要求:
{1}作者工作單位直接排印在作者姓名之下，并在其工作單位名稱之前加與作者姓名序號相同的數(shù)字；各工作單位之間連排時以分號隔開。
{2}所投稿件須保證文章版權(quán)的獨(dú)立性，無抄襲、署名排序無爭議、文責(zé)自負(fù)，勿一稿多投。
{3}中圖分類號按《中國圖書館分類法》（第4版）標(biāo)引分類號。
{4}注釋均采用當(dāng)頁腳注連排，標(biāo)號為①、②、③……
{5}來稿內(nèi)容涉及國家、省級科研基金資助者，請附基金復(fù)印件，我刊將給予優(yōu)先發(fā)表。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
