摘要：视频分割技术在基于内容的视频编码、视频检索、模式识别等领域应用广泛，成为近年来视频处理技术研究中的热点。系统阐述视频分割技术的应用及常用的算法，并提出另一种基于机器学习、模式识别的方法，将机器学习的思想引入镜头边界检测。此类方法是目前镜头边界检测研究领域中的热点。关键词：视频分割；视频检索；镜头边界检测：G632文献标识码：A：1671-7597(2012)0210173-021研究视频分割的意义近年来，随着多媒体技术的发展，视频图像得到了广泛应用，数字视频数量的急剧增长,自动的视频分析技术变得十分有必要，而视频分割技术更是为视频理解、视频编码等领域广泛应用。所谓视频分割就是把视频中重要的或人们感兴趣的物体或对象(Vide。ObjectVO)与背景分割开来，或者说就是要划出分别具有一致属性的一个个区域，同时区分背景区域和前景区域。视频图像可-以看作一•类3-D图像，换句话说，视频图像是山一系列时间上连续的2-D图像组成的。从空间分割的角度看，视频图像分割主要是利用时域信息和空域信息把视频图像中独立运动的区域逐帧检测出来［1］°视频对象是一个具有一定生存周期的在时间轴上连续的概念，属于包含时间轴在内的三维空间。视频对象在某一*帧中的表象称为视频对象平面(VideoObjectPlane,VOP),具体分割时，到底哪些部分重要，人们对哪些部分感兴趣，要看具体的应用Il'iJ定。视频图像分割在视频处理中的作用如图1所示：图1视频图像分割在视频处理中的作用视频对象的分割提取是基于对象的视频处理的第一步，也是关键的一步。因而，视频分割技术的研究是非常有意义的。2镜头边界检测镜头，是指山一个摄像机镜头连续拍摄的一组内在相关的连续帧，它用来表现在时空上连续的一•组运动，它表示一个完整的动作。我们通过镜头边界检测将视频分为一个个小的视频段，为随后的高层内容分析、分类、索引和查询提供基础，带来应用上的便利例如，它可以避免大量相同或相似的视频图像处理，简化了视频内容分析的复杂度，大大提高了视频处理的效率；另一方而给快捷的视频浏览带来了可能，用户无需浏览视频的全部内容(即线性浏览)，而只需通过浏览关键帧图像以及相应的内容分析结果，就可以对视频的整个内容有了概括的了解，从而大大提高了浏览的效率。镜头边界检测的两个主要目标是检测镜头准确率要高、检测速度要快，但目前的各种方法很难做到二者兼得，因此如何在保证高精度的情况下求得快速的检测不但具有极大的理论意义，也具有很高的应用价值。近些年来，很多专家对镜头边缘检测进行了大量的研究工作，镜头分割的主要技术是比较相邻帧对之间的变化，这种变化通常用低层视频特征如像素亮度，颜色宜方图，边及压缩域特征来度景［2］。3基于相邻帧对之间的变化分割算法3.1像素比较法像素比较法是将两帧对应像素差的绝对值之和作为帧间差，当帧间差大于某个阈值时，认为存在镜头转接，山于像素比较法于像素位置紧密相关，所以对噪声和物体运动非常敏感。3.2双阈值法双阈值法是一种很普遍的做法，它采用两个阈值进行镜头边界检测。首先，用一个低阈值来确定渐变、切边序列的潜在起始帧，并用起始帧与后继帧进行比较，用积累的差值取代帧间差值，直到这个过程终止；然后，将积累差值与-一个较大的阈值进行比较，若超出这个阈值就认为这个累加的差值序列对应于一个渐变序列。3.3直方图法直.方图法［3］的基本思路是：先把整个颜色空间量化为N个槽，然后统计每个糟内含有的图像像素数，并进行规一化处理，就可以得到图像的颜色直方图，之后两幅图像的差异度就可以通过计算它们的直方图差值求得。若以表示帧的颜色直方图，表示帧的颜色直方图，那么可以通过多种方法求得帧与间的差值，最常见的是通过下两式来计算：式中i表示N维颜色直方图中的第维分量当大于一个给定的值T时，则认为两帧图像间存在了比较大的差异直方图的方法实际上是一种基于颜色量的统计方法，因此统计的结果中不再含有图像的运动、边缘、形状等信息，因此虽然这种方法对运动等不敏感。3.4分块直方图法分块直方图法是在直方图法的基础上被提出来的直方图的方法，它忽略了颜色的空间位置信息，这也就意味着许...