[发明专利]一种基于区块匹配和增强Onecut的交互式视频分割方法和系统

说明书

本发明公开了一种基于区块匹配和增强Onecut的交互式视频分割方法和系统。本发明方法沿着上一帧轮廓线均匀地选取采样点，以采样点为中心建立局部分类器，利用区块匹配将上一帧的轮廓传递到当前帧，得到目标物体在当前帧的预估初始轮廓，同时移动局部分类器的位置到当前帧，更新局部分类器，利用局部分类器及全局概率模型求取当前帧各像素属于前景或背景的概率，最后通过增强Onecut模型得到当前帧各个像素的分割标记。如果上一帧为关键帧时，加入交互，利用传统交互式图像分割方法得到目标物体精确的轮廓。本发明还实现了一种基于区块匹配和增强Onecut的交互式视频分割系统，本发明技术方案具有较高的容错性和较高的分割性能。

技术领域

本发明属于图像处理技术领域，更具体地，涉及一种基于区块匹配和增强Onecut的交互式视频分割方法和系统。

背景技术

视频分割是一类二值标记问题，旨在把作为一个整体的视频或图像序列，通过一定的方法分割出具有实际意义的对象。视频分割在很多领域中均有着重要的作用，例如：在目标识别中，视频分割可以为目标识别提供先验信息；在图像编码中，视频分割可以提高视频压缩编码的效率。虽然国内外众多研究者对视频分割技术进行了较长时间的研究，而且各种视频分割算法也层出不穷，但是由于视频场景的复杂性，待分割视频的多样性，以及各种噪声干扰，因此到目前为止，仍然没有一种适用所有视频的分割算法。

一般地，根据是否加入人工交互，视频分割可以分为非交互式视频分割和交互式视频分割两种。非交互式视频分割不需要加入人工标记，主要采用视频对象的运动特征，如基于光流或基于梯度下降法的非交互式视频分割方法。该类方法对视频中存在运动物体的情况适用性较好，如果待分割的目标固定或者运动缓慢或者交替着运动，该类方法由于无法通过运动特征来预测目标物体的可能区域，从而无法达到分割的目的。而交互式视频分割方法通过加入人工交互能够较好地解决上述目标不规律运动的问题，而且，在某些特殊情况下，必须采用人工交互给出先验信息才能分割出目标物体。

目前大多数视频分割方法都是基于图论的，有很多方法直接将图割模型从图像分割推广到视频分割，通过光流或其他跟踪方式在原有的空间连续性基础上加入时间连续性。运用Graphcut或者Grabcut在考虑像素间相似性的时候通常只考虑邻近的一些像素点，这类方法没有很好地考虑大范围颜色相近的像素点之间的联系，而Onecut则充分考虑了全局颜色空间，将距离很远的两个像素点划分在同一个颜色直方图中，计算前背景直方图的L1距离，在保证全局最优的情况下，一次分割便可得到最终的分割结果。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于区块匹配和增强Onecut的交互式视频分割方法和系统，其目的在于融合颜色特征、形状信息和目标物体运动特征，以较少的人工交互得到满意的分割结果，由此解决现有交互式视频分割技术中的分割结果精确性不强，时空连续性不一致，以及交互量过大等技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于区块匹配和增强Onecut的交互式视频分割方法，所述步骤包括以下步骤：

(1)视频当前帧不是关键帧时，获取上一帧的分割轮廓，沿轮廓线均匀取采样点，以采样点为中心，初始化局部分类器的位置、大小和混合高斯模型；若上一帧不为关键帧，则通过上一帧的分割轮廓更新全局概率模型；所述关键帧为视频第一帧及视频中确定进行交互的帧；

(2)利用区块匹配跟踪上一帧分割轮廓获得当前帧轮廓，以当前帧轮廓更新局部分类器的位置和混合高斯模型，构建局部分类器；

(3)利用前一帧全局概率模型、当前帧局部分类器模型和相邻帧间的时空连续性新建增强Onecut数据项，构建增强Onecut能量模型；