时空信息驱动的高效视频运动对象分割算法

本文献标题为"一种有效的基于时空信息的视频运动对象分割算法 (2013年)"，主要探讨的是如何在视频编码标准MPEG-4中实现对语义对象的自动提取。该算法的核心在于结合时域和空域信息来提高运动对象的分割效果。 在时域处理上，作者提出了一种双边加权累积帧差和分块高阶统计算法。这种方法利用帧与帧之间的差异来检测目标的运动区域，通过这种策略，算法能够在充分利用时间序列数据的运动特征的同时，提升运算速度，减少不必要的计算量。 空域信息的提取则采用对比度增强和自适应Canny算子相结合的方式。首先，通过对比度增强处理强化视频序列灰度图的视觉细节，使得空间边缘更加明显。接着，自适应Canny算子能够根据局部图像特性动态调整边缘检测的阈值，从而获得更准确的空间边缘信息，这对于运动对象的边缘定位至关重要。 时空融合是算法的关键环节，它将空域边缘信息与经过修正的时域运动模板相结合。通过这种方式，算法能够利用空域边缘信息对时域运动模板进行精确校正，从而更有效地提取出运动对象，而不是仅仅依赖单一的信息源。 作者团队由鲁梅、卢忱和范九伦组成，分别在西安邮电大学和武警工程大学从事图像与视频通信、通信安全以及模式识别和信息安全等领域的研究。他们基于国家自然科学基金资助项目（61102095），在2012年5月11日收到稿件，并于同年6月25日进行了修订。实验结果显示，该算法能够高效且准确地分割视频中的运动对象，适用于实际的视频编码和分析应用。 论文的关键词包括视频运动对象分割、时空分割、运动区域检测模板和空间边缘信息，这些都突出了论文的核心技术要点。整个研究不仅关注技术实施，还考虑了实际应用中的效率和准确性要求，具有较高的实用价值。论文被归类为计算机科学和技术领域，文献代码为A，发表在2013年1月的《信息技术学报》上，DOI为10.3969/j.issn.1001-3695.2013.01.078。