[發明專利]一種基于超像素光流場的水平集輪廓跟蹤方法

有效

• 申請號: 201710145524.3
• 申請日: 2017-03-13
• 公開（公告）號: CN106991686B
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 周雪;鄒見效;徐紅兵;馮媛媛
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/207
• 分類號: G06T7/207;G06T7/215;G06T7/246
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

本發明公開了一種基于超像素光流場的水平集輪廓跟蹤方法，以超像素作為圖像處理的基本單元，計算每個超像素內的局部光流方向直方圖得到每個超像素的主運動方向和幅值，再根據運動目標的光流場在方向上的一致性和較大幅值的特點，統計所有超像素的全局光流方向直方圖，通過選取大部分能量集中的超像素形成Mask模板，利用該模板區分光流灰度圖中的目標和背景區域，再通過灰度分割閾值動態調整光流灰度值，最后基于改變的光流灰度圖引導水平集輪廓進化。這樣將光流特征引入水平集輪廓跟蹤框架中，提高跟蹤的準確性和魯棒性，同時提高了抗噪性和抗干擾性，且簡單有效，具有很好的應用前景。

技術領域

本發明屬于計算機視覺技術領域，更為具體地講，涉及一種基于超像素光流場的水平集輪廓跟蹤方法。

背景技術

水平集(Level Sets)是以隱式方法描述輪廓的一種主動輪廓方法，由于其能靈活處理目標拓撲結構，動態捕捉目標形狀信息，在目標跟蹤領域被廣泛應用。水平集方法是用一個n+1維的Level Sets函數的零值來表達一個n維的輪廓。常用的Level Sets函數為帶符號的距離函數，輪廓內部和外部的符號相反。在基于Level Sets的跟蹤方法中，輪廓根據底層特征進化到目標邊緣處，這些底層特征可以是：灰度、顏色、紋理或運動信息等。這些特征往往是建立在底層視覺特征—像素的基礎上。但由于單個像素容易被噪音干擾導致跟蹤的不魯棒性。近年來，由于富含語義信息以及靈活的處理方式，中層視覺特征(Mid-levelVisual Cue)已經作為一種非常有效的圖像描述的工具，被廣泛應用于圖像分割和目標識別領域。特別是超像素(Superpixel)，它是將圖像劃分為顏色、亮度或紋理相似的鄰近像素的集合。超像素具有計算效率高、富含語義、保持邊界等優點，因此將超像素作為圖像描述的基本單元，進行后續的建模和挖掘，比直接考慮底層視覺特征—像素更為有效。目前超像素有多種不同的表現形式，比如片段(Fragments)、三角形(Triangles)、過分割超像素(Over-segmented Superpixels)、圖像塊(Image Patches)等。

現有的水平集輪廓跟蹤方法已有基于超像素來進行表觀模型的建模。X.Zhou等人提出了一種基于超像素建模判別式表觀模型的方法，將圖像的顏色和梯度特征引入到水平集輪廓進化框架中。算法原理參見：X.Zhou,X.Li and W.M.Hu,Learning A Superpixel-Driven Speed Function for Level Set Tracking,IEEE Trans.on Cybernetics,vol.46,no.7,pp.1498-1510,2016。除了顏色、紋理、梯度等特征之外，目標的運動也是一種非常有效的可用于跟蹤的特征，特別是在目標相對于背景有明顯運動趨勢的場景下，運動信息可以作為顏色、梯度等表觀特征的有效的補充。光流法作為刻畫運動信息的一種手段被廣泛應用到圖像亮度模式中。由光流引申出的光流場，是指圖像中所有像素點構成的一種二維瞬時速度場。該速度場刻畫了每個像素點運動速度的大小和方向。而目前現有文獻中鮮有論文特別介紹利用運動信息的水平集進化方法。因此在具有明顯相對運動的場景下，如何只利用運動信息有效區分目標和背景，引入到水平集輪廓進化框架中，減少噪音的干擾，即將成為本發明要解決的問題。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于超像素光流場的水平集輪廓跟蹤方法，將光流特征引入水平集輪廓跟蹤框架中，提高跟蹤的準確性和魯棒性。

為實現上述發明目的，本發明一種基于超像素光流場的水平集輪廓跟蹤方法，其特征在于，包括以下步驟：

(1)、基于超像素的局部和全局光流方向直方圖統計

(1.1)、選取圖像中感興趣區域，利用稠密光流計算法計算感興趣區域的光流場，再利用孟塞爾顏色系統將光流場進行可視化，得到光流場彩色圖像；

(1.2)、將光流場彩色圖像轉換成光流場灰度圖；