Motion-based Segmentation and Classification of Video Objects

Kühne, Gerald

Vorschau

PDF
55_1.pdf - Veröffentlichte Version
Download (3MB)

URL:	https://ub-madoc.bib.uni-mannheim.de/55
URN:	urn:nbn:de:bsz:180-madoc-559
Dokumenttyp:	Dissertation
Erscheinungsjahr:	2002
Titel einer Zeitschrift oder einer Reihe:	None
Verlag:	Universität Mannheim
Gutachter:	Effelsberg, Wolfgang
Datum der mündl. Prüfung:	9 Oktober 2002
Sprache der Veröffentlichung:	Englisch
Einrichtung:	Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Praktische Informatik IV (Effelsberg 1989-2017)
Fachgebiet:	004 Informatik
Normierte Schlagwörter (SWD):	Bildverarbeitung , Bildfolgenanalyse , Bildsegmentierung , Objekterkennung
Freie Schlagwörter (Deutsch):	Strukturtensor , implizite aktive Konturen , bewegungsbasierte Segmentierung
Freie Schlagwörter (Englisch):	Image Sequence Evaluation , Motion Estimation , Implicit Active Contour Models , Motion-based Segmentation , Object Classification
Abstract:	In this thesis novel algorithms for the segmentation and classification of video objects are developed. The segmentation procedure is based on motion and is able to extract moving objects acquired by either a static or a moving camera. The classification of those objects is performed by matching their outlines gathered from a number of consecutive frames of the video with preprocessed views of prototypical objects stored in a database. This thesis contributes to four areas of image processing and computer vision: motion analysis, implicit active contour models, motion-based segmentation, and object classification. In detail, in the field of motion analysis, the tensor-based motion estimation approach is extended by a non-maximum suppression scheme, which improves the identification of relevant image structures significantly. In order to analyze videos that contain large image displacements, a feature-based motion estimation method is developed. In addition, to include camera operations into the segmentation process, a robust camera motion estimator based on least trimmed squares regression is presented. In the area of implicit active contour models, a model that unifies geometric and geodesic active contours is developed. For this model an efficient numerical implementation based on a new narrow-band method and a semi-implicit discretization is provided. Compared to standard algorithms these optimizations reduce the computational complexity significantly. Integrating the results of the motion analysis into the fast active contour implementation, novel algorithms for motion-based segmentation are developed. In the field of object classification, a shape-based classification approach is extended and adapted to image sequence processing. Finally, a system for video object classification is derived by combining the proposed motion-based segmentation algorithms with the shape-based classification approach.
Übersetzter Titel:	Bewegungsbasierte Segmentierung und Klassifizierung von Video-Objekten (Deutsch)
Übersetzung des Abstracts:	In der vorliegenden Arbeit werden neuartige Algorithmen für die Segmentierung und Klassifizierung von Video-Objekten entwickelt. Das Segmentierungsverfahren basiert auf Bewegungsinformationen und ermöglicht somit die Extraktion von sich bewegenden Objekten aus Videosequenzen. Die Klassifizierung eines derart segmentierten Objekts erfolgt anhand seines Umrisses. Dazu werden Ansichten des Objekts in mehreren aufeinanderfolgenden Einzelbildern mit prototypischen Ansichten verglichen, die in einer Datenbank gespeichert sind. Die Arbeit trägt zu folgenden vier Bereichen der Bildverarbeitung/des maschinellen Sehens bei: Bewegungsanalyse, implizite aktive Konturmodelle, bewegungsbasierte Segmentierung und Objektklassifizierung. Im Bereich der Bewegungsanalyse wird der Strukturtensor-Ansatz durch ein Verfahren zur exakteren Lokalisierung relevanter Bildstrukturen erweitert. Um auch Videos mit großen Bildverschiebungen in den Analyseprozess einzubeziehen, wird zusätzlich eine merkmalsbasierte Methode zur Bewegungsschätzung entwickelt. Die Kompensation von Kamerabewegungen im Segmentierungsprozess wird durch ein robustes Schätzverfahren erreicht. Im Gebiet der impliziten aktiven Konturmodelle wird ein Modell vorgestellt, welches das geometrische und das geodätische Konturmodell vereint. Für dieses allgemeine Modell wird eine effiziente numerische Implementierung entwickelt, die - im Vergleich zu Standardverfahren - den Rechenaufwand beträchtlich reduziert. Die Kombination von tensorbasierter Bewegungsanalyse und schnellen aktiven Konturmodellen ermöglicht die Entwicklung neuer bewegungsbasierter Segmentierungsalgorithmen. Im Bereich der Objektklassifizierung wird ein formbasierter Klassifizierungsansatz erweitert und auf die Verarbeitung von Bildsequenzen angepasst. Aus der Kombination von bewegungsbasierter Segmentierung und formbasierter Klassifizierung ergibt sich schließlich ein flexibles System zur Klassifizierung von Video-Objekten. (Deutsch)
Zusätzliche Informationen: