關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)分割 mrf模型 多尺度信息融合 標(biāo)記場(chǎng) 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(dòng)目標(biāo)分割算法。對(duì)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(chǎng)和標(biāo)記場(chǎng);標(biāo)記場(chǎng)采用Potts模型建模,同一尺度觀測(cè)特征場(chǎng)采用混合高斯模型建模,同標(biāo)記的特征場(chǎng)采用高斯模型進(jìn)行建模,相鄰尺度間標(biāo)記場(chǎng)用一階Markov轉(zhuǎn)移概率描述;最后,利用迭代條件模式(ICM)實(shí)現(xiàn)MRF模型中后驗(yàn)分布函數(shù)最優(yōu),完成運(yùn)動(dòng)目標(biāo)分割。實(shí)驗(yàn)結(jié)果表明,該算法能較好的提取運(yùn)動(dòng)目標(biāo)信息,在固定場(chǎng)景的視頻監(jiān)控中具有一定的適用價(jià)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(hào)相同的數(shù)字；各工作單位之間連排時(shí)以分號(hào)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(hào)按《中國圖書館分類法》（第4版）標(biāo)引分類號(hào)。

{4}注釋均采用當(dāng)頁腳注連排，標(biāo)號(hào)為①、②、③……

{5}來稿內(nèi)容涉及國家、省級(jí)科研基金資助者，請(qǐng)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(qǐng)咨詢雜志社