1、隨著電子信息產(chǎn)業(yè)的發(fā)展和技術進步，能夠獲取、記錄視頻信息的設備如攝像機，攝像頭等日益普及，并隨之產(chǎn)生大量原始視頻數(shù)據(jù)。如何有效的利用計算機對這些視頻進行檢索和再編輯引起了研究者的廣泛注意。由于視頻是由一系列相互聯(lián)系的圖像幀構成，要達到讓計算機自動處理視頻的目的，必須建立起不同圖像幀之間的聯(lián)系，隨之產(chǎn)生的圖像匹配分割問題是視覺和圖像處理領域的熱點和難點之一?？紤]到視頻場景的內在聯(lián)系，本文提出了通過構造視頻的全景圖，利用手工與計算機相結合的

2、方法對全景圖進行編輯，實現(xiàn)對視頻內容的再編輯。建立全景圖需要完成運動參數(shù)估計，運動物體分割，圖像拼接等計算過程。而在拼接完成的全景圖上對視頻內容進行編輯將變得簡單有效并且易于實現(xiàn)。本文依次研究建立全景圖過程中的主要技術問題，并給出在全景圖基礎上對視頻進行編輯的具體方法。 實現(xiàn)視頻全景圖拼接的第一步是對攝像機運動參數(shù)的求解并建立視頻中各幀圖像之間的關系以及二維圖像與三維空間對應關系。本文第二章對此問題進行了詳細討論，提出利用各幀圖

3、像的Harris角點特征，進行匹配，建立起對應關系，并采用RANSAC對匹配的結果進行投票選擇來保證匹配結果的魯棒性和準確性的方法。利用匹配結果，可以求出各幀圖像間的透視變換矩陣和攝像機拍攝時的內外參數(shù)。 由于視頻序列中可能會有運動物體存在，這會對全景圖拼接過程產(chǎn)生干擾。本文第三章研究了當視頻中的運動物體有較大范圍的運動時，對其進行分割的方法。本文提出一種兩步算法，首先利用幀差法(Frame difference)來快速定位運動

4、物體的位置，之后利用均值偏移法(Mean—Shift)準確估計運動物體的邊緣并利用圖切割(Graph-Cut)方法建立兩者之間聯(lián)系?？紤]到視頻的運動連續(xù)性，本文同時引入前一幀分割結果來約束當前幀的分割。該算法同時利用了幀差法，均值偏移法的優(yōu)點，能夠快速準確的分割在視頻場景中出現(xiàn)的運動物體。 得到運動參數(shù)和運動物體分割結果之后，可從視頻幀中合成全景圖，本文第四章討論了二種圖像拼接采用的模型：平面投影模型和柱面投影模型。柱面投影模型

5、假設攝像機的光心固定，攝像機在同一平面內轉動。實際視頻拼接過程中，經(jīng)常會有因為手持攝像機轉動時出現(xiàn)的光軸傾斜而導致拼接后的圖像發(fā)生卷曲的現(xiàn)象。對此，本文給出了一個求柱面投影時圓柱最佳中心軸，來抵消卷曲的解決方案。同時，考慮到在攝像機運動過程中由于光照的影響，成像時白平衡和曝光補償量不同而導致圖像顏色不一致的情況，本文給出了利用有效對應點的直方圖匹配求出圖像的校正參數(shù)，對視頻各幀圖像進行顏色校正的解決方法。與傳統(tǒng)方法相比，該方法可以消除錯

6、誤對應點對校正參數(shù)帶來的影響。 得到視頻全景圖后就將視頻序列轉變成了全景圖表示。因此，對視頻進行編輯包含對全景圖像進行編輯的過程。本文第五章討論比較并改進了三種圖像編輯方法：手工交互圖像移植(healing brush)、平滑圖像半自動修復(In—painting)和紋理圖像半自動恢復(texturlesynthesis)。其中第一種算法適用于為修改區(qū)域指定填充信息，第二種算法適用于編輯和修復平滑區(qū)域或者比較窄的帶狀區(qū)域，第三種

7、算法適用于普通或者含有紋理的圖像區(qū)域。本文改進了平滑圖像修復算法，使之可以實時實現(xiàn)。同時對于紋理圖像的編輯算法，定義了新的距離度量，減小其對顏色的依賴性。文中進行的實驗證明了算法的有效性。本文第六章給出了在得到全景圖后，實際進行視頻編輯方法的三種應用：運動全景圖生成、視頻中運動物體的去除、視頻圖像的修復與編輯。在實際處理視頻的過程中，可能會遇到視頻抖動及運動補償導致的黑邊等問題。針對這些具體問題，本文分別討論了相應的算法和解決方案，并給