[发明专利]基于统计形状先验的视频分割方法

权利要求书

1.一种基于统计形状先验的视频分割方法，其特征在于它的步骤如下： 

1）视频分割初始化； 

2）前景形状匹配以及对齐，并计算统计形状先验量度； 

3）基于统计形状先验量度，优化视频分割； 

4）重复步骤2)、3)两遍以上后结束。 

2.根据权利要求1所述的一种基于统计形状先验的视频分割方法，其特征在于所述的步骤2）中的前景形状匹配以及对齐，并计算统计形状先验量度为： 

1）统计的全局形状先验 

首先，在每一帧的前景蒙版轮廓上均匀采样轮廓点，称采样到的这些点为“关键点集”，对于每一个关键点p，分别用基于形状上下文进行形状匹配以及物体识别方法以及颜色直方图方法计算它的形状特征F_s(p)和外观特征h_p， 

对任意两个关键点p和q，它们的特征距离根据如下公式计算： 

D(p,q)＝||F_s(p)-F_s(q)||+λ₁d_int(h_p-h_q) 

其中，||||表示欧几里得距离运算，λ₁表示权重取为10～20，d_int(h_p-h_q)是直方图相交距离，定义如下： 

其中|h_p|和|h_q|分别是直方图向量h_p和h_q的大小； 

给定t和t'帧中的两个轮廓C_t和匹配关键点，将轮廓C_t和中采样得到的关键点集分别定义为V_t和对于V_t中的点x，即x∈V_t，找到在中的最佳对应点，匹配关键点转化成在吉布斯能量函数上求解标定问题，公式如下： 

其中L表示标定集合{l(x)}，λ₂是一个权重取为5～10，每一个l(x)都是x像素点在t'帧中的最佳对应点，ε表示为相关关键点之间的连接集合，E₁(l(x))是数据项，其定义如下： 

E₁(l(x))＝D(x,l(x)) 

其中E₂(l(x),l(y))是连续标定平滑项，定义如下： 

E₂(l(x),l(y))＝|(Ind_x-Ind_y)%K-(Ind_l(x)-Ind_l(y))%K| 

其中，Ind_x表示关键点x在V_t中的索引号，K是该关键点集的大小； 

关键点集在边界上是呈现链状结构的，用动态规划来快速求解E(L)的最小化以求得最佳L，采用RANSAC方法计算得到t帧图像与t'帧图像之间的最佳前景单应性矩阵就将任意一帧的前景轮廓精确的对齐到另一帧上去； 

将从前景区域对齐到前景区域S_t后的前景区域定义为相似度按如下公式计算： 

其中是S_t和之间的共同区域，用作归一化处理，如果S(t,t')＞τ，τ取为0.75～0.95，那么S_t和就足够相似； 

对任意一帧t，从其他帧中选出足够相似的前景区域，将这些前景区域统统对齐到t帧上，由如下公式计算出对齐得到的前景概率，定义如下： 

其中，表示区域扩张r个像素点后的区域，将形状先验限制在区域内；对于之外其他的区域，其形状先验是无效的，将其设为0.5，再基于一个常识来处理颜色相似的问题：若边界附近的像素点越相似，其颜色对照就越小；由此，基于颜色对照的概率可信度定义如下： 

其中，和分别表示从t'图像对齐到t图像的轮廓和整张图像，Z＝Σ||x-p||^-2是归一化项，Δ是拉普拉斯算子，σ_c是一个参数取为5～15； 

通过自适应的置信度将相似的对齐形状结合起来后，得到统计的全局形状先验，t帧的全局形状先验定义如下： 

最终，通过高斯滤波将形状先验边界附近平滑一下； 

2）统计的局部形状先验 

对任意的帧图像对(t,t')，经过全局匹配后，帧图像t'上的邻接关键点匹配到了帧图像t上的连续对应点，也就是： 

(Ind_x-Ind_y)%K≈(Ind_l(x)-Ind_l(y))%K 

其中，K是关键点的个数，将具有相似平面变化的邻接轮廓段合并起来，对于t'帧图像上的每两个前景子轮廓和合并后的子轮廓定义为在t帧图像上对应的子轮廓为假设包含K个关键点，其集合定义为{x_k}，和之间平均的对齐错误根据如下公式计算得到： 

其中x'_k是x_k的对应点，是最小化后得到的最优单应性矩阵，如果 τ_ε取为1～3，那么合并两个子轮廓，一直执行直到没有邻接的子轮廓再可以合并了为止； 

对于任意一个子轮廓，它的单应性矩阵以及平均对齐误差分别为H_i和ε_i，如果，有另外一个子轮廓使得和之间的关键点个数小于阀值取为5～10，根据在中所有被匹配到的关键点估计得到单应性矩阵H'，其平均的对齐误差为ε'，如果对齐误差ε'＜max{ε_i,ε_j}，那么和之间的非连续性就是由于偶然的分割误差导致的，在这种情况下将以及它们之间的关键点合并起来； 

对于每一个合并后留下的子轮廓，用Graham Scan方法在子轮廓上计算得到最小的凸包U，通过求交操作使得这样U就是的子区域了，将U按r个像素点扩张，得到最终的用来映射的子区域U^*，将它映射到其他帧上，用 来计算统计的局部形状先验； 

得到在每一帧t'的可匹配的局部区域U^*后，将它映射到t帧上，那么对应的局部形状先验根据如下公式计算得到： 

通过匹配相似的局部形状以及将它们用自适应的权重结合起来； 

基于从其他帧对齐过来的局部形状，t帧上的统计局部形状先验按如下公式计算： 

在形状边界上用高斯滤波平滑下。 

3.根据权利要求1所述的一种基于统计形状先验的视频分割方法，其特征在于所述步骤3）中的基于统计形状先验量度，优化视频分割： 

首先通过权重将全局以及局部形状先验结合起来，按如下公式结合： 

其中，λ_sh是权重一般取为5～10，那么统计形状先验量度按如下公式计算： 

其中，w_s是自适应的权重，定义如下： 

其中，W(x)是以像素点x为中心的小窗口，σ_c是参数一般取为5～15，Ω(C_t)表示分割边界附近的狭窄区域，那么最后的数据项定义如下： 

E'_d(α_t(x))＝median{L_s,L_g,L_sh} 

通过用E'_d(α_t(x))替换掉之前的数据项，求解新的能量方程，得到更好的分割结果，利用这个结果来更新形状先验，重复以上过程两遍以上。