[发明专利]基于贝叶斯融合的视频显著性检测方法

摘要

本发明公开了一种贝叶斯融合的视频显著性检测方法，主要解决现有视频显著性检测方法不能检测小目标的问题。其实现方案是：1提取视频序列静态边界概率显著图、颜色均值显著图和颜色对比显著图，加权融合生成静态显著图；2.提取视频序列动态边界概率显著图、PCA先验显著图和背景先验显著图，加权融合生成动态显著图；3.将静态显著图和动态显著图利用贝叶斯模型进行融合，进而得到视频序列的显著图。本发明相较于传统的视频显著性算法，增强了特征空间和时间的表征能力，降低了复杂背景对检测效果的影响，有效地检测出视频中的小目标，可用于视频目标跟踪、视频分割的前期预处理。

主权项

1.一种基于贝叶斯融合的视频显著性检测方法，包括：(1)输入待检测的视频帧，提取每一帧图像的静态显著图；(1a)对输入的图像进行超像素分割，得到视频序列对应的超像素块集合，然后利用多尺度形态学估计法，得到每一帧图像的静态边界概率图，将静态边界概率图映射到超像素块中得到静态边界概率显著图；(1b)利用过分割的方法将视频序列分割为若干区域，根据区域之间颜色差异性和区域内像素数量来计算每个区域的显著值，最后将每个区域的显著值映射在视频图像上得到局部颜色对比显著图；(1c)计算视频序列中每一个超像素块的颜色均值，对其进行归一化后得到视频序列的颜色均值显著图；(1d)通过线性加权的方法对(1a)‑(1c)中得到的显著图进行融合，求和得到该视频中每一帧图像的静态显著图；(2)输入待检测的视频帧，提取每一帧图像的动态显著图；(2a)对输入的视频序列进行动态特征提取，得到每一帧图像的光流图；(2b)输入每一帧图像的光流图并对其进行超像素分割，利用多尺度形态学的方法得到动态边界概率图，然后计算每一个超像素块基于光流图的边界概率值，映射得到视频序列动态边界概率显著图；(2c)输入每一帧图像的光流图，利用光流图中超像素块间的主成分差异得到视频序列每一帧图像的PCA先验显著图；(2d)计算光流图中超像素块之间的颜色差异图和空间距离图，映射到超像素块对应的位置，得到视频序列背景先验显著图；(2e)对(2a)‑(2c)得到的显著图进行加权融合，得到视频序列每一帧图像的动态显著图；(3)对(1d)和(2e)得到的视频序列静态显著图和动态显著图进行基于贝叶斯模型的融合，得到视频序列最终的显著图。