[发明专利]一种视频抠像处理方法

权利要求书

1.一种视频抠像处理方法，其特征在于，包括以下步骤：

步骤1，交互式硬分割及其优化：在视频第一帧图像上，用户采用笔画式交互辅助生成一个粗略的硬分割结果，然后对此硬分割结果用加权核密度估计算法和图切分算法进行优化，便于较为准确的确定前景物体的边缘；

步骤2，遮罩自动生成：在上述优化后的硬分割基础上，采用统计方法自动生成一个遮罩；

步骤3，基于子图像的抠像；

步骤4，前景物体跟踪与分割：当第一帧中的物体被准确抠取出来之后，采用直方图反投影与加权核密度估计准确找出下一帧中的前景物体，自动做出硬分割并对分割结果进行优化，然后转到步骤2，循环操作直到视频结束；

所说的交互式硬分割及其优化，其步骤为：

步骤101，交互式硬分割：采用笔画式交互方式，用基于区块的图切分方法提取出粗略的前景目标；

步骤102，概率图求解：概率图表示了图像中每一个像素属于前景与背景的概率，采用加权核密度估计算法求解概率图；

步骤103，图切分方法前景分割：构造吉布斯能量函数，采用图切分方法最小化此能量函数，从而对图像进行优化分割，得到硬分割结果；

所说的遮罩自动生成，其步骤为：

步骤201，提取硬分割边缘Ψ，确定候选区域：首先，提取硬分割边缘Ψ，然后，用半径r₀的圆形刷子沿着Ψ刷出一个区域作为遮罩中未知区域的候选区域，r₀的大小由用户设定，大小以覆盖前景物体的模糊边缘为准；

步骤202，计算像素点到Ψ的距离：用距离变换计算候选区域中的每个像素点到Ψ的最近距离r；

步骤203，计算像素点的梯度：计算候选区域中每个像素点的梯度Δv；

步骤204，统计刷子半径：对于Ψ上的任一像素点p，在半径为r₀的圆形刷子区域内统计最近距离r的均方差var_r，并以Δv作为权重：

r‾=ΣpΔvprp/ΣpΔvp]]>

varr=ΣpΔvp(rp-r‾)2/ΣpΔvp]]>

以2*var_r为刷子半径重新确定未知区域，自动生成一个合适的遮罩；

所说的基于子图像的抠像，其步骤为：

步骤301，提取子图像：对于硬分割边缘Ψ上的任一像素点p，以该点为中心，生成一个6*var_r为边长的正方形，在原图像和遮罩上将这个正方形区域所对应的局部图像作为一个新的图像和新的遮罩，称之为子图像和子遮罩；

步骤302，子图像抠像：对子图像采用闭合式抠像法进行抠像处理，确定未知区域的不透明度，对硬分割边缘Ψ上的每一个点均采取步骤301和步骤302；

步骤303，子图像抠像结果求平均：由于Ψ上的邻近点生成的子图像会有重叠，对重叠部分的不透明度α值，采用各个子图像重叠区域α值的平均值；

所说的前景物体跟踪与分割，其步骤为：

步骤401，颜色空间转换：将原始视频图像转换到c1c2c3颜色空间；

步骤402，统计直方图并归一化：对于前一帧中抠取出来的前景物体，统计其在c1c2c3空间每个通道上的直方图，并分别记为：hist_c₁，hist_c₂和hist_c₃，由于c1c2c3是一个实数空间，所以需要对每一个通道进行量化，采用下式归一化直方图：

hist_c_i(j)＝hist_c_i(j)/max(hist_c_i)，1≤j≤BINs，i＝1，2，3

其中BINs为量化级数，max(hist_c_i)为第i通道直方图的最大值；

步骤403，确定前景预测区域：对前一帧抠像结果的不透明度图像以半径为d的矩形结构进行膨胀，d的大小由用户设定，以膨胀后的区域能够包含下一帧中的前景物体为准，这个膨胀后的区域就作为下一帧中前景目标所在区域的预测；

步骤404，计算像素初始概率：首先，对下一帧图像预测区域内的某个像素，计算其c1c2c3值，并量化为：

c_i＝(c_i/(π/2))*BINs，i＝1，2，3

然后，计算此像素属于前景和背景的初始概率：

pfg=Σi=13(hist_ci(ci))2/3,]]>i＝1，2，3

p_bg＝1-p_fg

步骤405，图像硬分割：在预测区域内对像素进行平均抽样，再一次利用加权核密度估计算法求解概率图并用图切分算法对图像进行硬分割，这就完成了抠像的一个循环过程。