[发明专利]一种基于超体素图割的视频显著物体分割方法

权利要求书

1.一种超体素图割的视频显著物体分割方法，该方法包括以下步骤：

步骤1，对视频序列中第一帧中的显著物体进行分割，该步骤进一步包括：

步骤101，对该帧进行过分割得到超像素；步骤102，通过颜色特征的对比和分布来计算静态显著性图；步骤103，通过光流的量级的对比和连续来计算动态显著性图；步骤104，融合静态显著图和动态显著图，得到动静态显著图；步骤105，计算第一帧的类物体性，计算出潜在的各个物体的ROI候选区域；步骤106，将动静态显著图和物体ROI进行融合，滤过不必要的ROI区域；步骤107，以ROI区域以及动静态显著性为弱约束，构造能量方程，用迭代的“图割”进行分割得到显著物体的估计；

步骤2，对视频序列除第一帧之外的每一帧的显著物体进行分割，该步骤进一步包括：

步骤201，将前一帧的估计区域作为先验传播到下一帧；步骤202：对该帧使用步骤101，102，103，104，105计算得到各种所需的中层特征值；步骤203，计算视频的时空过分割，构造关于外观、运动、类物体性以及持续性的能量方程，用“图割”最小化该能量方程得到显著物体分割。

2.如权利要求1所述的方法，其特征在于，所述步骤101进一步包括：基于每一帧图像的lab颜色和位置x，y的信息对具有相似颜色的且较为邻近的像素进行聚类，得到单帧图像的过分割，即超像素，其中lab值指lab颜色空间的3个维度，x，y为像素的横纵坐标。

3.如权利要求1所述的方法，其特征在于，步骤102，103进一步包括：所述静态显著图和动态显著图都需先计算中心周围对比的显著性图以及分布紧凑的显著性图，静态显著图首先计算的是颜色对比的显著性图和颜色一致性分布的显著性图，而最终静态显著图是两者的融合；动态显著性图也是由计算光流量值的对比显著性图和光流量值的运动连贯性的显著图融合得到的。

4.如权利要求1所述的方法，其特征在于，步骤104进一步包括：分析动态显著图和静态显著图各自的优点和不足，采用阈值控制以分段函数来融合静态显著图和动态显著图，得到动静态显著图。

5.如权利要求1所述的方法，其特征在于，步骤105进一步包括：使用类物体性检测器检测该帧是否是物体的ROI区域。

6.如权利要求1所述的方法，其特征在于，步骤106进一步包括：利用ROI区域对动静态显著区域的覆盖程度来过滤掉一些类物体ROI候选，筛选可能包含显著物体的ROI区域。

7.如权利要求1所述的方法，其特征在于，步骤107中，建立关于ROI区域以及动静态显著图的能量方程，使用迭代的“图割”优化使该能量方程最小，最小化分割代价。

8.如权利要求1所述的方法，其特征在于，步骤201中，前一帧得到的显著物体分割区域将以光流的运动方向和量级为基础估计位移，传播到下一帧。

9.如权利要求1所述的方法，其特征在于，步骤202中，基于显著性，颜色对比，边缘检测信息，计算像素级别的类物体性图。

10.如权利要求1所述的方法，其特征在于，步骤203中，构造能量方程进一步包括基于步骤202传播的前一帧的先验估计构造持续性二元项，基于动静态显著性图构造物体外观一元项，基于外观颜色构造关于颜色连续性的二元项，基于类物体性构造关于物体的二元项；最后依然使用迭代的“图割”优化使该能量方程最小，最小化分割惩罚，从而得到二元分割。