文档介绍：摘要人像视频序列语义基编码的若干关键技术研究合了计算机视觉、计算机图形学、统计学等多终謇砺酆图际酰唤鲈诶砺垩芯可暇哂薪先语义基编码是当前多媒体信息处理研究领域的一个热点,它突破信,自、论的理论框架,融挑战性,而且在技术实现上也有~定难度。人像序列是视频传输中常用的图像形式之一,本论文主要围绕人像视频序列语义基编码的若干关键技术问题展开研究,内容包括目标轮廓提取与跟踪、语义对象提取与跟踪、基丁模艰的运动估计利混合编码系统等。具体内容如勘曷掷>诽崛∮敫傺芯孔既返哪勘曷掷L崛±偈腔∧谌菝枋龅幕 S于在视频图像中,目标常常受到噪声『牛行┠勘昊咕哂猩疃劝枷莸谋咴担庑┒佳重地影响了目标轮廓白动提取的准确性。目前,活动轮廓模型是目标轮廓提取常的动态方法之~,而基丁梯度久量流的活动轮廓模掣是其改进犁。赆管它兜服了传统算法的缺陷,对具有凹陷边缘的目标能够有效地提取,但对于噪声和极度凹陷边缘的影响还比较敏感,常常会使部分活动曲线收敛剑局部极值点处。遗传算法可以解;火不具备诸如连续、可微等特性的函数优化问题,是种全局最优搜索的有效方法。细粒度遗传算法内在的并行机制,解决了遗传算法中各子种群的适府度计算和各于种群的新~代个体生成的并行性问题,极人地提高了算法的运算速度。冈此,本文通过改进度久草流,并引入遗传优化搜索,提出了一种稳健的日标提取与口偎惴ǎ杭炊远∈樟下局部极值处的轮廓控制点,利用细粒度遗传算法,将相邻的处丁全局最优控制点的信息通过染色体遗传操作传递给这些点,并驱使它们向全局最优处运动。实验证明,该算法列受噪声干扰和具有凹陷边缘的目标轮廓提取不仅准确而且鲁棒。语义目标提取与跟踪研究目标分割是一个反问题,通常采川加约束的方法米获得合理的解。对丁语义分割通常是在传统目标分割算法中,适当地引入如形状、结染哂杏义信启、的先验知识米约束分割结果。头肩型视频是最常见的视频幽像形式之一,其视频对象的主体是人的头詹俊T诜治隽瞬煌颂琹、头形状的儿倒特征基础上,论文对头崩轮廓形状进行分类,并定义了再类头肩形状模删:利川土成分分析一刚椒ǘ愿骼嗤芳缧巫茨P探醒盗罚⑻崛×诵巫茨P偷氖糠至浚大大减小了形状久量的兀余度利形状描述的复杂度。引入极人似然法判定目标轮廓形状所属形状类别,并利相应土特征久蕈合成最佳轮廓形状模扳:然后,殴计一个利边缘、运动和曲率约束的离散变形模板算法米有效地提取和跟踪头滩俊6註一静的新矧图像由于缺少运动信息而使分割变得更加幽难。本文还将形:扶模引入到静幽像的头肩提取中,实现了轮廓约束的语义兰史基丁线框模型的运动估计研究首先,介白畛!的如预洲最小二,由丁梯∥瑂—“摘堂:
知识水坝***@pologoogle为您整理
和扩展瞬狤讯硕兰扑惴ǎ析了它们对噪声数据比较敏感,对剧烈运动估汁极易发散等缺陷。论文通过臼适麻参数修和平滑滤波技术改进了扩展瞬ㄋ惴ǎ饩隽薊算法极易振荡和发散的问题,实现了精确、稳定地蛄性硕兰啤A硗猓菇ò资事樗沙诘椒ㄒ氲皆动估计中,一方面摆脱了上述算法中繁重的高维矩阵求逆运算所遇到的困难,保证了计算的收敛性;另一方面该算法程序简单、内存需要餐小,适丁在嵌入式系统中实现。混合视频编解码系统研究〔ū嗦刖」芏杂南癖从薪细叩难顾醣龋ǘ远≡硕的视频序列常常要以丢火细岿信息换取低码率,冈此恢复的图像常常模糊。尽管模型基编码方法在甚低码率芄缓铣删哂薪细咧鞴壑柿康木缦瘢啥《远∫话愠【盎购艽用语义模犁描述,而且对丁运动视频场景,常常由丁缺少必要的纹理信息而使合成幽像质鼙有所担庑┒贾圃剂似銳。’泛麻。论文提出了一种新的模型基辅助的混合视频编码系统方案,有机地将两者结合,并给山、∷俾士刂啤⑽评聿钩ゼ际酢⒕植表情剪切一粘贴和幽像综合的实现方法。最后对该系统的编码性能及幽像合成质量进行了仿真实验分析。关键词:目标轮廓;活动轮廓模型;语义分割:二维运动估计:模型基编码:幽像综合
知识水坝***@pologoogle为您整理
,—,“,【.琣琲.【.猠,猵也甶卫瑃唱.Ⅲ猵.—甌齬盿,瑃『瑂,產
血篛衔蝐所,,“,“—琣猺癱,綼琣—,。卜—.緃篿—,,猺瑆瓺瑃産门痳瑃,—猵綼膃鰉瓵瑂,.
研究生签名:』耄衅日~虢轴绰剥雠丞媳日期::本人声明所呈交的学位论文是我个人在导师指导下进行的研究:骷叭〉玫难芯砍晒>∥所知,除了文中特别加以标注和致谢的地方外,沦文中不包含其他人已绎发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书使用过的材糊。与我一同二鞯耐志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在