[发明专利]一种基于遗传算法的视频对象分割方法

权利要求书

1.一种基于遗传算法的视频对象分割方法，其特征在于包括如下步骤：

1)通过VFW对视频进行捕捉并处理，获取视频中的图像帧；

2)采用中值滤波对图像帧内在的噪声进行处理；

3)通过遗传算法寻找参量空间的全局最优分割阈值，将视频对象与视频背景进行分离。

2.如权利要求1所述的基于遗传算法的视频对象分割方法，其特征在于所述步骤1)具体为：首先调用VFW的函数创建视频捕捉窗，然后注册该视频捕捉窗的回调函数并且获取其缺省设置，将捕捉窗口与视频捕捉设备相连，创建视频驱动程序的选择窗口,并在选择窗口中列举出已安装的驱动的名称和版本号,根据操作平台选择对应驱动，设置视频捕捉窗的显示模式为预览模式，进行视频捕捉，并为被捕捉的视频分配内存缓冲区，创建捕捉线程,并在线程里完成捕捉视频的动作，捕捉完成后，获取视频中的图像帧。

3.如权利要求1所述的基于遗传算法的视频对象分割方法，其特征在于所述步骤2)具体为：首先将图像帧包含的像素按灰度值按从小到大排列，其次取序列中间点的值作为中值，并以此作为滤波器的输出值,以此对图像帧内在的噪声进行处理。

4.如权利要求1所述的基于遗传算法的视频对象分割方法，其特征在于所述步骤3)具体为：

(1)对步骤2)处理后的图像帧进行编码，并且定义适应度函数；

(2)随机产生一个由确定长度的特征串组成的初始种群，并计算出其规模的大小；

(3)对群体迭代地执行下面的步骤<1>和<2>，直到迭代次数满足设定次数：

<1>计算群体中每个个体的适应度；

<2>根据适应度fitness及选择的概率P_si、交叉的概率P_ci、变异的概率P_mi进行选择、交叉和变异操作；

(4)把迭代中出现的最后的个体串指定为遗传算法的执行结果，就为图像的全局最优分割阈值。

5.如权利要求3所述的基于遗传算法的视频对象分割方法，其特征在于所述步骤(1)具体为：用二进制串0、1对图像帧进行编码，并定义适应度函数fitness，公式为：

fitness＝a*b*(p₁-p₂)²/(256*256)

其中a为个体的有效像素个数，b为个体的无效像素个数，p₁为个体有效像素与像素灰度值和的比值，p₂为个体无效像素与像素灰度值和的比值。

6.如权利要求3所述的基于遗传算法的视频对象分割方法，其特征在于所述步骤2)初始化群体的具体为：对于第一帧图像帧，由本图像帧的信息来初始化遗传算法的相应参数，并产生最优值以及产生最优值的迭代次数，而对于后面的各个图像帧，则采用前一帧产生的上述信息来进行初始化，群体规模的大小为N＝(i×j)/2，其中，视频帧的分辨率为i×j。

7.如权利要求3所述的基于遗传算法的视频对象分割方法，其特征在于所述步骤3)具体为：首先利用适应度函数计算每个个体的适应度f，其次根据适应度计算每个个体被选择的概率，被选择的概率P_si为：

Psi=fiΣj=1Mfj]]>

其中种群大小为M，其中个体i的适应度值为f_i，个体的适应度值为f_j，则i被选择的概率是P_si；

然后根据个体的稳定情况将遗传个体分为稳定的和不稳定的两类个体，稳定的个体是指视频图像序列中被选择的概率P_si在阈值选取范围内的个体；而不稳定个体则认为是超出阈值变化范围的个体，对于稳定的个体遗传操作的过程中只进行选择操作；对于不稳定的个体还要进行交叉、变异操作，该个体进行交叉操作的概率P_ci和变异操作的概率P_mi分别为：

P_ci＝(p_si+randomp)/2

P_mi＝(p_si+randomp)/50

其中，randomp为参与交叉或变异的概率参数，特征值的范围为0.6-1.0,与其所占种群比有对应关系，如此繁衍设定次数后，所得的个体就确认为阈值分割的最优解。