[发明专利]一种基于有限时空分辨率类无关属性动态场景的分割方法

权利要求书

1.一种基于有限时空分辨率类无关属性动态场景的分割方法，其特征在于包括建立类无关属性分割框架、单帧视频转化、建立条件随机场模型、模型训练、分割图像步骤，具体包括：

A、建立类无关属性分割框架：读取一个包含T帧视频图像的视频序列I，为I中的所有像素(r,c)分配一个标签l(r,c)∈L，视频序列I为：

其中：R和C分别为每个帧的行数和列数，定义分割前景目标像素R_f＝{(r,c)|l(r,c)＝1}，来自于周围的背景像素R_b＝{(r,c)|l(r,c)＝0}；

B、单帧视频转化：将视频序列I中的一帧视频转化为图像G，定义x_i∈x表示每个观察节点i∈V，并将图中的每个节点与离散随机变量y_i∈y相关联，以表示G的潜在标签配置，图像G为：G＝(V,E)，其中：V为超像素节点，E＝E_s∪E_t为一组空间E_s和时间E_t边缘连接在一起的节点；对视频序列I利用SLIC算法生成固定数量的超像素节点V；

C、建立条件随机场模型：为图像G的潜在标签配置采用全连接网络策略促进对象建议的评估，并建立概率评估用条件随机场模型p(y|x,θ)为：

其中：x为观测值，Z(θ)为分割函数参数，ψ_u为一元势函数，Ψ＝{Ψ_s,Ψ_t}为成对势函数，Ψ_s和Ψ_t分别为成对空间、时间势函数，矢量为模型参数，θ_u，和分别为一元参数及成对的空间、时间势函数；

D、模型训练：利用空时稀疏大位移训练集图像数据对上述条件随机场模型进行训练，得到模型参数；

E、分割图像：将上述模型参数代入条件随机场模型，利用条件随机场模型对输入的视频序列进行分割评估并输出分割出前景目标的图像。

2.根据权利要求1所述基于有限时空分辨率类无关属性动态场景的分割方法，其特征在于所述B步骤中空间边缘E_s由同一帧中的相邻超像素指定，而时间链接E_t通过光流连接，在连续帧的两个超像素之间被实例化。

3.根据权利要求2所述基于有限时空分辨率类无关属性动态场景的分割方法，其特征在于所述C步骤中：

4.根据权利要求3所述基于有限时空分辨率类无关属性动态场景的分割方法，其特征在于所述C步骤中在推理阶段，最大似然标签y^*定义为可能的标签y∈L^|V|的最大后验概率估计：或等效为标签函数负值的最小化：

5.根据权利要求3所述基于有限时空分辨率类无关属性动态场景的分割方法，其特征在于所述C步骤中一元势函数ψ_u为：

其中：类无关建议势函数ψ_pro(y_i,x|θ_u^pro)表示柔性前景-背景假设，位置势函数ψ_loc(y_i,x|θ_u^loc)与运动种子组合排序属性实现前景建议的一致定位，外观势函数表示编码前景和背景假设的颜色信息。