[发明专利]融合静态信息与动态信息的视频序列分割方法

摘要

本发明公开了一种融合静态信息与动态信息的视频序列分割方法，主要解决现有紫外极光图像分割方法由于不考虑动态特征，造成分割结果不准确的问题。其实现过程为：1).构建紫外极光序列数据库；2).利用紫外极光图像的静态特征在空域上对构建的紫外极光序列进行分割，得到紫外极光序列的空域分割结果；3).利用紫外极光图像的动态特征在时域上对构建的紫外极光序列进行分割，得到紫外极光序列的时域分割结果；4).融合步骤2)和3)的结果，得到最终的分割结果。本发明由于将静态特征与动态特征相结合，大大提升了紫外极光图像的分割精度，可用于目标识别。

主权项

1.融合静态信息与动态信息的视频序列分割方法，包括：(1)从Polar卫星携带的紫外成像仪所拍摄的紫外极光图像中，选取形态相似且时间上连续的紫外极光图像构成10个紫外极光序列，每个紫外极光序列包含20张紫外极光图像；(2)在空域上对10个紫外极光序列进行分割：(2a)从每一个紫外极光序列中都随机选出10张紫外极光图像，得到100张紫外极光图像，手动标注出这100张紫外极光图像的极光卵边界，作为标准结果，并用这100张紫外极光图像及其对应的标准结果共同构成训练样本集，用10个紫外极光序列中剩下的100张紫外极光图像构成测试样本集；(2b)在训练样本集和测试样本集中的每一幅紫外极光图像上用眼动仪得到注视点，并将注视点连成闭合曲线；(2c)沿着步骤(2b)中得到的曲线对训练样本集中的每一幅紫外极光图像滑动取块，得到训练块，记下每一个块的位置，并根据这些块的位置在每一幅紫外极光图像对应的标准结果上也取相同尺寸的块，作为标准块，将这些训练块和对应的标准块构成块字典；(2d)沿着步骤(2b)中得到的曲线对测试样本集中的每一幅紫外极光图像滑动取块，得到测试块，记下每一个块的位置；(2e)从步骤(2c)得到的块字典中找到与步骤(2d)中每一个测试块最相似的训练块，并将这个训练块对应的标准块放到该测试块所在紫外极光图像上的相应位置；(2f)重复步骤(2e)，直到步骤(2d)中所有测试块所在的紫外极光图像的相应位置都放上标准块，即得到紫外极光序列的空域分割结果；(3)在时域上对10个紫外极光序列进行分割：(3a)以紫外极光序列的每一帧紫外极光图像作为输入，用K‑means算法按灰度值将输入图像聚成三类，并用不同颜色标注，得到输入图像的初始标记图像；(3b)用格子玻尔兹曼模型LBM求得紫外极光序列相邻帧之间的粒子运动场，并将运动场用彩色图像显示出来；(3c)以(3b)中得到的粒子运动场图像作为输入，用分水岭算法将输入图像分割成许多区域；(3d)根据(3a)中得到的初始标记图像应用区域合并算法对(3c)中的区域进行合并，得到紫外极光序列的时域分割结果；(4)将步骤(2)得到的空域分割结果和步骤(3)得到的时域分割结果融合，即求两种结果的并集，得到紫外极光序列的最终分割结果。