基于SURF算法和合并最大相似区域的视频前景分割方法技术

本发明专利技术涉及一种基于SURF算法和合并最大相似区域的视频前景分割方法，该方法针对亮度变化的静态场景视频设计了一种前景分割算法，包括四个步骤：（1）首先求取当前帧的梯度标记，然后对极小修正后的梯度图像进行标记分水岭变换，从而得到初始分割结果；（2）通过Surf特征点匹配操作及制定的规则确定当前帧的前景和背景标记；（3）根据区域最大相似度和区域标记对初始分割结果做区域合并；（4）如果结果不精确，采用基于区域标记交互式修改的方式对自动分割结果进行纠正。较之传统的视频分割方法，本发明专利技术提出的方法对光照变化及噪声等有较强的鲁棒性，在视频对象分割的精度、效率以及降低用户交互量上，都有一定的提高，具有工程应用价值。

【技术实现步骤摘要】
基于SURF算法和合并最大相似区域的视频前景分割方法
本专利技术涉及视频处理及计算机视觉领域，特别涉及一种基于SURF(Speeded-UpRobustFeatures，快速鲁棒特征提取)算法和合并最大相似区域的视频前景分割方法。
技术介绍
视频序列中的前景分割一直是计算机视觉领域的研究热点，它是目标定位、目标识别以及视频修复的基础，能否完整准确的分割对象，直接关系到后续工作的开展。伴随着视频分割技术的发展，已经有较多优秀的前景分割技术和理论产生。视频的前景分割有几种流行的方法，分别是帧差法、光流法、基于统计的学习方法以及背景差分法。帧差法主要是利用相邻两帧做差的方式求取运动的前景，计算较为简单，分割效果也相对稳定，但只能检测发生相对运动的前景，很难获得完整的前景目标。光流法采用运动参数估计，建立相应的模型，此种方法能够在没有充分获得场景信息的情况下检测前景目标，但缺点是要求亮度恒定，而且计算机量大。基于统计学习的方法把视频序列看成是随机过程进行分析，把视频帧的改变表征为随机场中参数的变化，通过检测参数变化来判断运动的前景，此种方法具有较强的抗噪能力，但需要大量的学习样本。背景差分法本文档来自技高网...

【技术保护点】
一种基于SURF算法和合并最大相似区域的视频前景分割方法，其特征在于，包含以下操作步骤：步骤1：通过标记分水岭变换和尺度参数的设定对视频中选定帧进行初步分割；步骤2：通过当前帧和参考帧的SURF特征点匹配确定图像中的运动目标，并通过制定规则完成对初始分割区域的标记；步骤3：利用区域标记和相邻区域间的最大相似度，通过改进的MSRM算法对初始分割结果做区域合并操作，完成视频序列中一帧的前景分割；步骤4：对自动分割结果进行交互式的纠正，通过手动选中区域的方式来增加或减少前景和背景标记，然后重新执行步骤3，完成区域合并。

【技术特征摘要】
1.一种基于SURF算法和合并最大相似区域的视频前景分割方法，其特征在于，包含以下操作步骤：步骤1：通过标记分水岭变换和尺度参数的设定对视频中选定帧进行初始分割，并且将滤波器中的截止频率运算中的极小阈值作为可调节的尺度参数来达到对视频中选定帧进行初步分割；步骤2：通过当前帧和参考帧的SURF特征点匹配确定图像中的运动目标，并通过制定规则完成对初始分割区域的标记，并且采用最近邻匹配进行特征匹配，其中通过比较参考帧和当前帧的距离来进行初始分割区域标记，进行制定规则；步骤3：利用区域标记和相邻区域间的最大相似度，通过改进的MSRM算法对初始分割区域做区域合并操作，完成视频序列中一帧的前景分割；步骤4：对自动分割结果进行交互式的纠正，通过手动选中区域的方式来增加或减少前景和背景标记，然后重新执行步骤3，完成区域合并；所述步骤2的初始分割区域标记包括如下操作：(1)在时间域上，从视频序列中选取与当前帧有一定间距的参考帧，根据视频类型手动输入，一定间距默认值为相隔10帧；(2)采用SURF方法分别提取当前帧与参考帧中的特征点，并采用最近邻匹配得到两帧图像的匹配点对；(3)在当前帧中，如果其SURF特征点与参考帧中匹配点间的空间位移不超过一个像素单位，则选为背景特征点；(4)在当前帧中，如果其SURF特征点与参考帧中匹配点间的距离小于阈值T，且空间位移不超过一定范围，则选为前景特征点，其中T在0.7～1.0之间取值，而空间位移与所选参考帧有关，根据视频类型手动输入，空间位移值为视频宽度的20％；(5)对初始分割区域进行标记，如果区域中只有背景特征，则此区域设定为背景标记区域，如果区域中只有前景特征...

【专利技术属性】
技术研发人员：丁友东，于冰，黄东晋，谢志峰，吴兵，唐鹏斌，黄曦，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31