[发明专利]一种基于超像素的主动轮廓跟踪方法

摘要

本发明公开了一种基于超像素的主动轮廓跟踪方法，对训练图像进行超像素分割得到目标和背景的训练样本池，根据训练样本采用测度学习方法得到距离测度的投影矩阵，构建判别式表观模型，将序列图像的每帧测试图像进行超像素分割，根据构建好的判别式表观模型得到测试图像对应的置信图，从而得到测试图像的速度场，将速度场代入水平集方法的进化方程，得到测试图像的轮廓跟踪结果。相比现有技术，本发明提高了每帧测试图像的轮廓进化效率，同时提高了序列图像的跟踪准确率和跟踪效率。

主权项

1.一种基于超像素的主动轮廓跟踪方法，其特征在于，包括以下步骤：S1：将训练图像分为目标和背景两部分，进行超像素分割，提取每个超像素的特征向量，构建目标训练样本池T_obj和背景训练样本池T_bac；S2：根据训练样本采用测度学习方法得到距离测度的投影矩阵L，投影矩阵L每隔m,m≥1帧测试图像更新一次；S3：根据训练样本池和距离测度的投影矩阵L，构建基于超像素的判别式表观模型，其中每个超像素的置信分数的计算公式为：Scsp=1-P(sp|bac)/P(sp|obj)1+P(sp|bac)/P(sp|obj)]]>其中P(sp|obj)和P(sp|bac)分别表示超像素sp属于目标类obj和背景类bac的似然概率，采用非参数的核密度估计方法得到；S4：在当前帧测试图像中选定包括目标在内的一个局部区域，对该局部区域进行超像素分割，超像素数量记为N，提取得到每个超像素sp_k,1≤k≤N的特征向量f_k；根据步骤S3中的置信分数计算公式计算每个超像素的置信分数得到测试图像的置信图；S5：根据步骤S4中得到的置信图构建测试图像的速度场Fdatai,j=Scspkifxi,j∈{spk}k=1N-1ifxi,j∉{spk}k=1N]]>其中，(i,j)表示测试图像中像素的坐标；S6：将步骤S5中得到的测试图像的速度场代入水平集方法的进化方程，将上一帧测试图像的轮廓跟踪结果作为初始值进行轮廓进化，得到目标的轮廓跟踪结果；S7：根据步骤S6中的得到的轮廓跟踪结果，将目标和背景的超像素分别放入对应的训练样本池中对训练样本池进行更新，返回步骤S1重新构建目标训练样本池T_obj和背景训练样本池T_bac。