视频运动目标分割技术是MPEG-4基于内容的编码系统中的关键支撑技术之一,并广泛应用于视频监控、机器视觉、智能交通系统,以及武器制导等领域。因此,视频运动目标分割技术具有重要的理论研究意义和实际应用价值,它是当前图像处理技术与多媒体技术研究的热点之一。本文的主要内容是基于时空联合的运动目标分割技术。从视频图像中分割运动目标,是一个从多维信号中检测非协作目标的非平稳特征问题,本文分析了该问题在时空域的随机特性,以时域运动信息为主线,联合利用空域信息,对视频运动目标分割技术进行了深入研究,主要内容为:1.介绍了视频运动目标分割的基本概念,讨论了视频目标分割系统的一般模型,分析了视频分割中常用的分类特征和分类准则。建立了时空联合视频运动目标分割技术的基本模型,并分析了时空域联合方法的优势。2.研究了运动目标轮廓的随机序列模型,提出了轮廓检测定理,并建立了基于随机轮廓模型的运动目标分级检测系统。对差分图像采用基于全局自适应阈值的二元聚类检测算法以提取运动变化区域,并通过估计连续两帧的运动变化区域,采用逐像素相与的方法求取运动目标轮廓的高SNR段,在时空域基于轮廓的封闭准则和Markov关联准则检测轮廓低SNR段,从而获取完整的运动目标轮廓,然后根据目标轮廓分割运动目标。3.提出了一种基于模糊聚类的时间分割与视频运动目标检测算法,根据差分图像中运动变化区域与相对噪声区域的不同特性,提出了采用局域方差作为模糊聚类特征,建立相应的模糊聚类准则,然后使用Powell快速算法搜索最佳的模糊划分,再对模糊分类结果进行去模糊化操作,从而检测出运动变化区域以及运动目标。4.提出了一种改进的水平集方法。通过考虑图像中像素的灰度分布特性,设计了一种基于错误概率最小的能量函数,并得到了新的水平集演化方程。改进的水平集方法具有较好的全局优化特性,有效地解决了传统水平集方法不适用于灰度分布不均匀图像的缺陷,并可用于处理边缘模糊或者噪声较强的情况。5.提出了一种符合人眼视觉模型的改进分水岭算法。算法首先利用形态学开、闭重建滤波进行降噪,随后利用符合人眼视觉特性的韦伯感知原理,对形态学梯度图像进行灰度等级的非线性划分,再对经过非线性划分的梯度图像进行分水岭标记,从而较好地抑制了传统分水岭算法的过分割现象。6.提出了一种基于高斯混合模型的运动目标检测算法。首先使用高斯混合模型对差分图像建模,然后使用期望最大算法求解,获取运动目标的时间分割模板。通过分析运动变化区域与相对噪声区域的不同特性,提出了一种改进的模型选择与参数初始化方法,从而快速地获取高斯混合模型的模型尺寸。再结合改进的分水岭算法,完成运动目标分割。7.提出了一种基于马尔可夫随机场的运动目标检测算法,考虑像素的空间位置关联信息,使用马尔可夫随机场对差分图像的标记场进行建模,并利用均值场算法进行迭代求解,采用新的模型选择及参数初始化法,完成运动目标的时间分割;空间分割部分采用了改进的分水岭算法,再对时、空间分割结果进行信息融合处理,获取视频运动目标。