摘 要

随着计算机视觉技术的发展，运动分割具有广阔的应用前景，运动分割的效果直接影响到视频系统的优劣，因此将视频中的运动对象从静态场景中分割出来具有十分重大的意义。由于没有制定出统一适用的分割算法标准，当前运动分割技术的发展还不能从视频序列中任意分割出运动或静止的对象，现今提出的分割算法大多是针对具体问题，目前还没有适合所有运动图像的通用分割算法。

本文设计一种基于假设检验的运动分割的算法。针对背景变化小而前景有较大局部运动的场景，利用假设检验理论，首先，本文通过基于时域的帧间差分的视频对象分割算法，根据帧间差异获取差分图像，从而判决运动物体，但这种算法只能做出初步判断，具有较大的误差，因此在差分图像中，有很多“雪花”般的噪声，为有效除噪，其次，建立摄像机噪声的统计模型以消除背景噪声。再次，为进一步去除对象区域的背景噪声点和背景区域中的一些离散孤立噪声点，采用中值滤波，得到完整的运动对象的分割掩膜。该算法具有整体性、精确性、有效性、全自动化、稳定性的特点，对于将视频中的运动对象从静态场景中分割出来具有十分重大的意义。最后，根据上述算法在Matlab R2012a仿真环境下进行实验获得的结果，判决运动区域和运动对象，验证了本算法的正确性。

关键词：假设检验；运动分割；多帧差分；背景噪声；中值滤波

Abstract

With the development of the computer vision technology, the motion segmentation will have great prospect of application, the effect of motion segmentation will affect the video system, so the video moving object is segmented from the static scene in the extremely significance. Since there is no segmentation algorithm to develop a unified applicable standards, the development of current motion segmentation technology is not from the video sequence segment the moving or stationary objects, any current segmentation algorithm is mostly aimed at specific problems, there is no suitable for all sports general segmentation algorithm of the image.

This paper design a motion segmentation algorithm based on hypothesis testing. For background change small and prospects have larger local sports scene, using the theory of hypothesis test, first of all, this paper based on the time-domain interframe difference of video object segmentation algorithm, based on the difference between the frame difference of image, thus ruling moving objects, but can only make a preliminary judgment, this algorithm has large error, so in the difference image, there are a lot of noise "snow", for in addition to the noise effectively, secondly, camera noise statistical model is set up to eliminate background noise. The third, in order to further remove object area of the background noise and background region some discrete isolated noise points, using median filter, get full motion object segmentation mask. The algorithm has the integrity, accuracy, validity, full automation, the characteristics of stability, for the video moving object is segmented from the static scene in has the extremely significant significance. Finally, based on the above algorithm under the environment of Matlab R2012a simulation experimental results obtained, ruling movement area and the movement object, validate the correctness of the algorithm.

Key Words：Hypothesis testing；Motion segmentation；The frame difference；Background noise；Median filtering

目 录

第1章 绪论 1

1.1 课题研究背景及意义 1

1.2 国内外的研究现状分析 1

1.2.1 按自动化程度分类 1

1.2.2 按用途分类 2

1.2.3 按时空特征分类 3

1.3 本文结构 4

第2章 研究内容及关键技术 5

2.1 研究目标 5

2.2 技术方案 5

2.3 关键技术 6

2.3.1 假设检验 6

2.3.2 Matlab软件 7

2.3.3 运动分割原理 8

第3章 基于假设检验的运动分割的算法研究 9

3.1 基于时域的帧间差法 9

3.2 基于假设检验的噪声模型 12

3.3 采用中值滤波进一步消除噪声 14

3.4 实验验证 14

3.4.1 基于时域的帧间差法的仿真结果 14

3.4.2 消除噪声的仿真结果 17

第4章 总结与展望 19

4.1 总结 19

4.2 展望 20

4.2.1 多种算法以及多种知识的结合 20

4.2.2 算法的自动化程度与分割准确性的结合 20

4.2.3 算法的通用性与健壮性的结合 20

参考文献 21

致 谢 23

第1章 绪论

1.1 课题研究背景及意义

运动分割是指将视频中的运动对象从背景中分离出来，而视频是由一个个连续的图像组成，随着计算机视觉技术的发展，运动分割已经应用在我们生活中的方方面面。

运动分割技术是在静态图像分割技术的基础上发展起来的。每一帧视频可以被看作是一个图像，因此，图像分割的过程就是运动分割的过程。运动分割应该注意以下几个方面：一是分割不是孤立的应注重个体与总体的一致性，二是分割出的前景和背景应不重合，三是找出图像相似的部分，如大小的一致性、色调的一致性等，四是将具有共同特性的图像元素划归于同一个区域。按照一定的技术标准，将视频对象在时间轴上分离出具有重要意义的实体，如静态场景视频中出现的车辆行走，在视频监控中突然闯入的行人。

运动分割的效果直接影响到视频系统的优劣，因此将视频中的运动对象从静态场景中分割出来具有十分重大的意义。

1.2 国内外的研究现状分析

在实际应用图像处理的过程中，为了完成实际的需要，需要设置图像目标，使整个流程都是围绕着这些图像目标而进行，这些图像目标也是图像处理的整个过程中比较关注。在我们的实际工作中，常常把一幅图像分成两部分：运动和静止，也称前景和背景。运动的前景是指在图像分割中需要被分割出来的图像目标，静止的背景是指在图像分割中不需要被分割出来的其它区域。运动目标被分割出来后，在完成最终的识别过程中，通常需要提取和分析运动目标图像的色调和尺寸等典型特征。运动分割是当前图像和视频处理的热点和难点之一，自20世纪80年代末以来一直受到众多学者的广泛关注，至今已有上千种分割算法，归纳起来，有以下几种分类方法和算法：

1.2.1 按自动化程度分类

依照自动化程度的不同，运动分割算法可以分为三类：自动分割技术、半自动分割技术和人工分割技术，如图1.1所示。