專利名稱：基于小波多尺度變換視頻前景運動對象分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種視頻運動前景對象分割方法，用于視頻數(shù)字圖像分析與目標(biāo)提取。屬于智能 信息處理技術(shù)領(lǐng)域。
背景技術(shù)：
視頻運動前景對象分割，是在給定的二維連續(xù)圖像序列中，發(fā)現(xiàn)運動前景目標(biāo)，并從視頻場 景中分割出運動目標(biāo)。準(zhǔn)確的視頻運動前景對象分割，是物體跟蹤、分類、識別和運動參數(shù)提取 的基礎(chǔ)。在視頻監(jiān)視、自動導(dǎo)航、多媒體標(biāo)準(zhǔn)應(yīng)用及模式識別等領(lǐng)域，具有重要的實用意義和價 值。雖然人眼可以很容易地識別出視頻運動前景對象，但對計算機而言，適合于通用視頻序列的 全自動視頻分割和提取，目前仍是一個難題。首先，視頻運動前景對象本身多種多樣，缺乏獨一 無二的定義。其次，同一視頻場景，不同的應(yīng)用，所感興趣的視頻對象不同。現(xiàn)有的視頻運動前景對象分割方法主要有基于背景建模、基于幀間差和基于光流場的分割 方法。基于背景建模方法，對環(huán)境變化敏感，需背景估計與更新?；趲g差分割方法，對動態(tài) 場景變化敏感，不易將運動目標(biāo)完全分割出，易在目標(biāo)內(nèi)部產(chǎn)生孔洞?；诠饬鲌龇椒?，計算量 大，運算復(fù)雜，需特定的硬件支持以實現(xiàn)實時處理。發(fā)明內(nèi)容本發(fā)明的目的，在于針對現(xiàn)有視頻前景運動對象分割方法需要場景學(xué)習(xí)訓(xùn)練、手工校正或人為判 斷及先驗假設(shè)等信息，以及對動態(tài)場景變化敏感、噪聲干擾大、運算復(fù)雜，提供一種基于小波多 尺度變換視頻前景運動對象分割方法，可在多種條件下，實現(xiàn)視頻運動前景對象分割。為實現(xiàn)這樣的目的，本發(fā)明的構(gòu)思是根據(jù)二維圖像/ Oc, y)在尺度2'和A方向上的小波變換<formula>formula see original document page 3</formula>則在x， y方向上的小波函數(shù)可表示為<formula>formula see original document page 4</formula>式中，^;c,力為平滑濾波函數(shù)。改一琳，y) —&b》由此可確定圖像/(JC,力經(jīng)函數(shù)0Oc,力平滑濾波后，在不同尺度下的小波變換為:<formula>formula see original document page 4</formula>若梯度幅度M，,/沿下列梯度方向達(dá)到局部極大，則圖像中該點(jc,力為多尺度邊緣點<formula>formula see original document page 4</formula>《也力據(jù)此，可確定不同尺度下的邊緣點。由于噪聲對尺度變化敏感，因此，采用上述尋求局部幅度極 大值，不能有效壓制噪聲。為有效克服這一影響，通過尋求梯度幅度高于某閾值方法，替代尋求 局部幅度極大值，確定不同尺度的邊緣點。五—(/夠2+(池)2>,其中，^ v分別為水平、垂直方向上的濾波算子，r為閾值，②為巻積算子。根據(jù)上述的發(fā)明構(gòu)思，本發(fā)明采用下述技術(shù)方案一種基于小波多尺度變換視頻前景運動對象分割方法，其特征在于根據(jù)小波變換在時域和頻域均具有局部化特征，抑制干擾，提取局部信息；基于背景差分，利用小波多尺度特征，對差分 圖像進行小波多尺度變換；根據(jù)運動前景對象具有高的幅度變化，提取視頻圖像中前景運動對象 信息；具體步驟如下1.背景差分當(dāng)前幀圖像/,O力與背景圖像/20^)相減，得到差分圖像Z)(Xy):2. 差分圖像多尺度小波變換￡—(滿/ )2+(￡^)2 ;其中，"為差分圖像，//， v分別為水平、垂直方向上的濾波算子，②為巻積；3. 前景運動對象區(qū)域的確定確定差分圖像多尺度小波變換五的閾值r，將五值高于r的所有像素組成的區(qū)域，確定為視頻運動前景對象區(qū)域。本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實質(zhì)性特點和顯著優(yōu)點 本發(fā)明方法運算簡便、靈活，容易實現(xiàn)，解決了數(shù)字視頻圖像中運動前景對象分割需要有關(guān)場景學(xué)習(xí)訓(xùn)練、手工校正或人為判斷及假設(shè)等信息，提高了視頻運動前景對象分割的魯棒性，可適應(yīng)多種條件下的視頻運動對象分割。


圖1是本發(fā)明一個實施例的視頻原始背景圖像。 圖2是本發(fā)明一個實施例的視頻原始當(dāng)前幀圖像。 圖3是圖2示例中分割出的二值運動前景區(qū)域圖像。 圖4是圖2示例中分割出的運動前景區(qū)域圖像。
具體實施方式
本發(fā)明的一個具體實施例是:本例的視頻原始背景圖像如圖1所示，當(dāng)前幀圖像如圖2所示。 對圖2與圖1所示的圖像進行差分，對所得差分圖像進行小波多尺度變換，根據(jù)運動前景對象具 有明顯高的幅度變化，進行運動前景對象區(qū)域分割，具體步驟如下(1) 背景差分當(dāng)前幀圖像/"x,力與背景圖像/2(;co;)相減，得到差分圖像D(jco;)。(2) 差分圖像多尺度小波變換一,/z)2+(i^8)v)2其中，Z)為差分圖像，/ ， v分別為水平、垂直方向上的濾波算子，@為巻積。(3) 前景運動對象區(qū)域的確定確定差分圖像多尺度小波變換五的閾值r，將五值高于r的 所有像素組成的區(qū)域，確定為視頻前景運動區(qū)域。圖3為經(jīng)上述所得到的二值運動前景對象區(qū)域，圖4為分割出的運動前景對象圖像。
權(quán)利要求
1.一種基于小波多尺度變換視頻前景運動對象分割方法，其特征在于根據(jù)小波變換在時域和頻域均具有局部化特征，抑制干擾，提取局部信息；基于背景差分，利用小波多尺度特征，對差分圖像進行小波多尺度變換；根據(jù)運動前景對象具有高的幅度變化，提取視頻圖像中前景運動對象信息；具體步驟如下1)背景差分當(dāng)前幀圖像I1(x，y)與背景圖像I2(x，y)相減，得到差分圖像D(x，y)D(x，y)＝I1(x，y)-I2(x，y)；2)差分圖像多尺度小波變換
全文摘要
本發(fā)明涉及一種視頻運動對象分割方法。它是根據(jù)小波變換在時域和頻域均具有局部化特征，抑制干擾，提取局部信息；基于背景差分，利用小波多尺度特征，對差分圖像進行小波多尺度變換；根據(jù)運動前景對象具有高的幅度變化，提取視頻圖像中前景運動對象信息。本發(fā)明方法不需要有關(guān)場景學(xué)習(xí)訓(xùn)練、手工校正或人為判斷及假設(shè)等信息，可在多種條件下，實現(xiàn)視頻運動對象分割。
文檔編號G06T7/00GK101216940SQ200810032390
公開日2008年7月9日 申請日期2008年1月8日 優(yōu)先權(quán)日2008年1月8日
發(fā)明者管業(yè)鵬 申請人:上海大學(xué)