[发明专利]一种基于图像分类的全自动视频分割方法及装置

说明书

技术领域

本发明涉及运动分割和图像分类技术领域，特别涉及一种基于图像分类的全自动视频分割方法及装置。

背景技术

运动分割在图像内容识别、图像编码与传输和平面视频转立体视频等领域中具有很重要的位置。传统的运动分割分为两类：第一类为半自动运动分割方法，该类方法需要少量的人工输入，由于预先指定了部分先验信息，使得分割结果比较准确，但是人工输入的工作量太大，很多时候不适用；第二类为全自动分割方法，该类方法完全依赖视频本身的信息，因此，对于运动信息和颜色信息不够多的场景，得不到比较准确的分割结果。

在运动分割领域，有些运动分割方法需要至少三帧图像信息才能进行分割，有些运动分割方法只能处理帧间存在小运动的视频。为此提出了一种既能只利用连续两帧图像的信息，又能处理帧间存在大运动的视频的方法。但是上述方法由于运动估计的不准确性，以及进行逐像素分类，使得分割的精度比较差。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一。

为此，本发明的第一个目的在于提出一种基于图像分类的全自动视频分割方法，该方法可以有效地处理视频帧间存在的大运动的场景，并且能够全自动的得到精确的视频分割结果。

本发明的第二个目的在于提出一种基于图像分类的全自动视频分割装置。

为实现上述目的，本发明第一方面的实施例提出了一种基于图像分类的全自动视频分割方法，包括如下步骤：

输入视频图像，检测所述视频图像中的任意两帧图像的特征点，并对所述两帧图像的特征点进行匹配以得到多组匹配特征点对；

利用所述多组匹配的特征点对估计所述视频图像中的每个运动层的平面单应矩阵；

对所述视频图像进行颜色过分割，得到多个图像过分割区域；

利用所述每个运动层的平面单应矩阵对所述多个图像过分割区域进行分类以得到初始分割结果；

获取所述视频图像中的物体的边缘以及内部点，将所述物体的边缘的预定区域内的所有点作为未知点，根据所述初始分割结果和所述物体的边缘以及内部点选取邻近所述未知点的前景样本点和背景样本点；和

对所述前景样本点、所述背景样本点和所述未知点进行标记，对所述未知点进行分类以得到所述物体的优化边缘。

根据本发明实施例的基于图像分类的全自动视频分割方法，可以有效地处理视频帧间存在的大运动的场景，并且能够全自动地得到精确的视频分割结果。

本发明第二方面的实施例提出了一种基于图像分类的全自动视频分割装置，包括：匹配模块，所述匹配模块用于输入视频图像，检测所述视频图像中的任意两帧图像的特征点，并对所述两帧图像的特征点进行匹配以得到多组匹配特征点对；平面单应矩阵估计模块，所述平面单应矩阵估计模块与所述匹配模块相连，利用所述多组匹配的特征点对估计所述视频图像中的每个运动层的平面单应矩阵；图像过分割模块，所述图像过分割模块与所述平面单元矩阵估计模块相连，用于对所述视频图像进行颜色过分割，得到多个图像过分割区域；区域分类模块，所述区域分类模块与所述图像过分割模块相连，利用所述每个运动层的平面单应矩阵对所述多个图像过分割区域进行分类以得到初始分割结果；样本点选取模块，所述样本点选取模块与所述区域分类模块相连，用于获取所述视频图像中的物体的边缘以及内部点，将所述物体的边缘的预定区域内的所有点作为未知点，根据所述初始分割结果和所述物体的边缘以及内部点选取邻近所述未知点的前景样本点和背景样本点；边缘获取模块，所述边缘获取模块与所述样本点选取模块相连，用于对所述前景样本点、所述背景样本点和所述未知点进行标记，对所述未知点进行分类以得到所述物体的优化边缘。

根据本发明实施例的基于图像分类的全自动视频分割装置，可以有效地处理视频帧间存在的大运动的场景，并且能够全自动地得到精确的视频分割结果。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的基于图像分类的全自动视频分割方法的流程图；

图2为根据本发明实施例的基于图像分类的全自动视频分割装置的示意图。

具体实施方式