[发明专利]基于双模板匹配和边缘细化的头肩序列图像分割方法

说明书

技术领域

本发明属于图像压缩技术领域，涉及一种基于双模板匹配和边缘细化的头肩序列图像分割方法。

背景技术

头肩视频是在可视电话和视频会议应用中常见的典型的头肩像模型。其主要特点是：1)摄象头与背景的位置相对固定，背景在图像序列中静止不动；2)背景相对简单，不包含复杂纹理特征，且与前景物体之间有较明显的灰度差别；3)图像中只包含唯一的运动对象，或相互没有交叉重叠的多个主运动对象。主运动对象内可以包含小的子运动物体，如眼睛、嘴巴，见图1、图4，并且运动对象往往运动比较缓慢或只有局部的微小运动。

虽然目前针对头肩序列分割的研究不多，但由于头肩序列是视频电话、视频会议等视频应用场合的典型序列，同时头肩序列具有其特殊的特征和运动特点，所以对其进行分割方法的研究是十分有必要的。

目前，由于专门针对头肩序列进行的分割属于一种特定的应用，在实际应用中都是采用人为分割或半自动分割。Huitao Luo在2003年提出了一种基于模型的头肩序列分割算法，该算法至今都是在有关头肩分割文献中具有典型代表的算法。该算法包括两个过程：初始化过程和跟踪过程。初始化过程的目的是发现头肩前景目标和建立前景模型，它的逻辑过程如图2a所示，在初始阶段，背景模型被建立，当前景目标进入时，系统监测到模型的变换并分析前景的大小、速度和形状判断头肩前景的可能性；当正确的头肩前景被发现，前景模型被建立并进入到跟踪循环中。在跟踪过程中，如图2b所示，区域分割的主要步骤是像素分类、形态学滤波和斑点区域生长，每个斑点区域都使用Kalman滤波器来进行跟踪。

下面对该算法中的几个重要环节作以介绍：

背景模型和前景模型：头肩序列中的前景指的是头肩区域。定义每个像素的特征矢量(x，y，Y，U，V)，其中(x，y)表示像素坐标，Y，U，V分别表示像素的亮度、色度和饱和度。在典型的头肩序列中，假定镜头是静止的，并且背景不存在快速的变化。背景像素的色度分布在平面(U^*，V^*)中属于高斯分布，这里U^*＝U/(Y+c)，V^*＝V/(Y+c)(c是一个较小的常数)。定义背景像素的特征矢量的均值和方差分别为m₀和C₀。在分割过程中，模型参数m₀通过两步不断的更新。在发现前景对象时，建立前景模型，前景模型与背景模型是一样的。

建立形状模型：建立形状模型需要对形状进行特征进行量化并建立概率模型。形状的快速量化设计是为了满足实时性的要求，其过程是在垂直方向前景区域被分成N个条状区域，每个条状区域的水平中心和带宽之间的距离被测量形成了2N维数的特征矢量。根据上述量化算法，头肩形状集合Ω在整个形状集合中被看作是呈高斯分布。设其均值矢量为协方差矩阵为∑，给定形状矢量为其条件概率函数为

P(v|Ω)=exp(-12vTΣ-1v)(2π)Ndet(Σ)1/2---(1)]]>

其马氏距离为