[发明专利]视频切割的方法及装置

权利要求书

1.一种视频切割的方法，其特征在于，所述方法包括：

切割视频中第一帧图像的目标物体，所述视频包括至少一帧图像；

学习第一帧图像切割的目标物体区域、非目标物体区域以及边界的统计特性，所述边界的统计特性为目标物体区域与非目标物体区域的边界的统计特性；

结合所述边界的统计特性，多重参考模型将学习的上一帧图像切割的目标物体区域、非目标物体区域自动传递到视频中的当前帧，以确定当前帧的目标物体区域、非目标物体区域以及边界的统计特性，进而根据当前帧的目标物体区域切割出目标物体，重复该步骤，直到完成对视频的切割。

2.根据权利要求1所述的方法，其特征在于，所述结合所述边界的统计特性，多重参考模型将学习的上一帧图像切割的目标物体区域、非目标物体区域自动传递到视频中的当前帧，以确定当前帧的目标物体区域、非目标物体区域以及边界的统计特性，进而根据当前帧的目标物体区域切割出目标物体，重复该步骤，直到完成对视频的切割，具体包括：

结合所述边界的统计特性以及多重参考模型确定能量函数；

确定所述能量函数的最小值，以确定当前帧的目标物体区域、非目标物体区域以及边界的统计特性，进而根据当前帧的目标物体区域切割出目标物体，重复该步骤，直到完成对视频的切割。

3.根据权利要求1所述的方法，其特征在于，所述能量函数为：E(r)=Σi∈I(E1(ri)+λΣj∈NiE2(ri,rj)),]]>其中N_i是像素i的邻域，r＝{r_i}_i∈I为视频切割的结果，I为视频图像的像素结合，r_i是像素i的标注，其值为-1或+1，且在r_i＝+1代表像素i属于目标物体区域，r_i＝-1代表像素i属于非目标物体区域；

E₁(r_i)是似然项，表示像素i给定标签r_i的惩罚值，E₁(r_i)＝-(log(p(c_i|r_i))+log(p(e_i|r_i)))，其中c_i是像素i的色彩，e_i是以像素i为中心的图像块中所有像素的色彩值，p(c_i|r_i)通过YUV色彩空间的直方图查表求得，p(ei|ri)=maxk{exp(-12(ei-e^kri)T(Σkri)-1(ei-e^kri))(2π)D/2|Σkri|1/2},]]>其中，为对上一帧的目标物体区域的所有图像块做K-means聚类得到的第K个目标物体码字，为对上一帧的非目标物体区域的所有图像块做K-means聚类得到的第K个非目标物体码字，是均值为的第K个类的协方差矩阵，D是的维度；

λ是一个模型参数；

E₂(r_i,r_j)是先验项，表示相邻像素i和j分别给定标签r_i和r_j的惩罚值，先验项包括三个部分：对比度项边界项和时域项

E2(ri,rj)=φijc+φijb+φijt,]]>其中，对比度项φijc=α·exp(-||ci-cj||σ)·|ri-rj|,]]>在对比度项中，i与j是空间邻域内的像素对，α与σ是控制参数，α采用随机至少10张以上图的分割结果求得，σ自动设置为σ＝2<||c_i-c_j||>，其中<·>是针对整个图像的均值操作；边界项H_ij＝max{H^r(c_i,c_j),H^g(c_i,c_j),H^b(c_i,c_j)}，H^r，H^g，H^b分别对应R、G、B色彩通道的直方图，α'＝α，σ'＝N_p，N_p是从初始结果选择的像素对的数目；时域项不同的是时域项中i与j是时间邻域内的像素对。