基于隐式运动分层的视频编辑方法研究

视频编辑涉及视频的分析、融合、风格化绘制等方面，其典型应用包括动画制作、影视特技、媒体娱乐等领域。基于结构分析的视频编辑方法虽然取得了很大的发展，但由于自身局限性，很难对视频编辑的效果做进一步优化改进。与单幅图像不同，视频是由连续变化的一系列图像组成的，包含各种形式的场景和物体运动。因此，对视频的运动属性进行正确分析和表示是对视频进行有效编辑的基础。本项目拟结合计算机图形学与计算机视觉中的相关理论和算法，突破以往视频分层算法中显式参数表示的运动限制，从视频的隐式运动分层表示的角度出发，研究视频编辑中若干代表性的重要问题，如视频抠取、填补、合成、卡通风格化绘制等问题，以提高相应视频编辑的质量与效率，有效地克服传统的基于结构分析的视频编辑方法的缺陷。预期在国内外重要学术期刊和会议发表论文8篇以上，其中国际重要期刊4篇以上，申请专利5项以上。

本项目围绕基于隐式运动分层的视频编辑方法开展研究，通过分析视频场景的运动属性并采用隐式结构化表达，实现视频的分层表示，并应用于视频抠取、填补、合成、风格化绘制、稳定增强、内容浏览等视频编辑任务，为动画制作、影视特技、广告营销、媒体娱乐等领域的典型应用提供方法和技术基础。. 与单幅图像不同，视频是由记录场景变化的连续的系列图像组成，包含各种形式的运动信息。本项目提出了基于跨时空域相似邻接图的视频分割算法、基于超图的图像对物体提取算法、以及基于特征点跟踪的场景平面提取算法，实现了视频基于场景颜色、几何、运动等属性的高效分割及其层次化表达，从而为视频分层表示提供理论基础。. 利用视频不同分层区域的运动属性，提出了面向卡通视频的抠取和合成算法、风格化绘制算法、基于多平面的视频稳定增强算法、以及基于场景的视频关联和内容浏览算法，实现了基于运动分层表示的视频编辑，为相应的视频应用提供了技术基础。. 通过上述研究工作建立了基于隐式运动分层的视频编辑的方法框架，提高了视频编辑的质量与效率，有效地克服传统的基于结构分析的视频编辑方法的缺陷。相关研究工作已在ACM TOG、IEEE TVCG、CGF、TVC等国际著名期刊、以及中国图象图形学报等国内重要学术期刊和会议发表论文8篇，申请国家发明专利5项，参与指导和培养研究生10名。