[发明专利]一种基于超像素光流场的水平集轮廓跟踪方法

摘要

本发明公开了一种基于超像素光流场的水平集轮廓跟踪方法，以超像素作为图像处理的基本单元，计算每个超像素内的局部光流方向直方图得到每个超像素的主运动方向和幅值，再根据运动目标的光流场在方向上的一致性和较大幅值的特点，统计所有超像素的全局光流方向直方图，通过选取大部分能量集中的超像素形成Mask模板，利用该模板区分光流灰度图中的目标和背景区域，再通过灰度分割阈值动态调整光流灰度值，最后基于改变的光流灰度图引导水平集轮廓进化。这样将光流特征引入水平集轮廓跟踪框架中，提高跟踪的准确性和鲁棒性，同时提高了抗噪性和抗干扰性，且简单有效，具有很好的应用前景。

主权项

1.一种基于超像素光流场的水平集轮廓跟踪方法，其特征在于，包括以下步骤：(1)、基于超像素的局部和全局光流方向直方图统计(1.1)、选取图像中感兴趣区域，利用稠密光流计算法计算感兴趣区域的光流场，再利用孟塞尔颜色系统将光流场进行可视化，得到光流场彩色图像；(1.2)、将光流场彩色图像转换成光流场灰度图；(1.3)、利用SLIC算法对光流场彩色图像进行超像素分割，得到多个超像素块；(1.4)、以超像素块为基本单元，先统计每个超像素块的局部主光流方向直方图，再统计所有超像素块的全局光流方向直方图，在全局光流方向直方图中，将所有方向bin子区间内的主光流幅值按从大到小排序，取最大幅值前M％对应的区域为目标区域，其他为背景区域，得到由目标区域和背景区域组成的二值化mask模板；(2)、根据目标区域和背景区域的分割阈值动态调整光流灰度级(2.1)、将mask模板与光流场灰度图做点乘运算，分别得到目标区域和背景区域的光流灰度值；(2.2)、根据目标区域和背景区域的光流灰度值分别估算两个高斯分布概率密度函数，再由最小错误率贝叶斯准则，找到两个高斯分布概率密度函数的交点对应的横坐标的值，即为目标区域和背景区域的分割阈值T；(2.3)、利用分割阈值T动态调整光流灰度级其中，Coeffi_adjust为灰度级调整系数；sign为符号函数，x表示像素点的光流灰度值，k与σ为控制指数函数变化幅度的参数，对于分别位于阈值T两边的像素点的光流灰度值x，为了更好地逼近真实的分布，σ分别取其对应的光流场灰度图中目标区域和背景区域的方差，即：其中，σ_obj表示目标区域高斯分布的方差，σ_bac表示背景区域高斯分布的方差；将光流场灰度图中像素点的灰度值乘以灰度级调整系数Coeffi_adjust，得到每个像素点改变后的光流灰度值，并将灰度级改变后的光流场灰度图标记为I_adjust；(3)、基于边缘的DRLSE模型进行水平集轮廓进化(3.1)、计算跟图像灰度梯度相关的边缘标记函数g：其中，表示计算梯度，G_σ是标准方差为σ的高斯核函数，对灰度图I_adjust起着平滑，降低噪音的作用；(3.2)、根据边缘的DRLSE模型方程进行水平集轮廓进化；其中，φ表示水平集函数，μ、λ和α为常数，div是散度算子，δ_ε(φ)表示Dirac delta函数，d_p(s)定义为