專利名稱：基于浮雕圖像的運(yùn)動(dòng)分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種對運(yùn)動(dòng)目標(biāo)進(jìn)行分割的方法，尤其是一種基于浮雕圖像的運(yùn)動(dòng)分
割方法。
背景技術(shù)：
對運(yùn)動(dòng)目標(biāo)進(jìn)行分割是運(yùn)動(dòng)圖像分析、場景監(jiān)控、計(jì)算機(jī)視覺領(lǐng)域中的重要處理
步驟，運(yùn)動(dòng)目標(biāo)分割可以得到圖像中的運(yùn)動(dòng)信息，提取圖像中的運(yùn)動(dòng)目標(biāo)，簡化了后續(xù)識
別、分析的難度，具有重要的意義。 運(yùn)動(dòng)目標(biāo)分割的方法主要有如下幾種 (1)利用一種運(yùn)動(dòng)模板對運(yùn)動(dòng)矢量進(jìn)行分類，將具有相同運(yùn)動(dòng)特征的區(qū)域提取出 來，并用平滑模板對邊界進(jìn)行平滑，最終得到分割結(jié)果；(2)結(jié)合運(yùn)動(dòng)矢量和圖像內(nèi)容信息 的算法首先利用圖像內(nèi)容信息對圖像進(jìn)行分割，然后再對這些區(qū)域根據(jù)運(yùn)動(dòng)特征相同的 特點(diǎn)進(jìn)行合并；(3)最常用的運(yùn)動(dòng)目標(biāo)分割方法是兩幀差分法，即提取連續(xù)兩圖像幀進(jìn)行 相減運(yùn)算得到差分圖像，在差分圖像上檢測提取運(yùn)動(dòng)變化區(qū)域。
三種方法都存在其一些缺點(diǎn) 1.基于運(yùn)動(dòng)矢量的估計(jì)會(huì)導(dǎo)致誤差，尤其是分割出的運(yùn)動(dòng)目標(biāo)邊界不夠完整。
2.運(yùn)動(dòng)矢量結(jié)合圖像內(nèi)容信息算法，雖然得到精確的目標(biāo)邊界，但是不能得到運(yùn) 動(dòng)目標(biāo)的整體形態(tài)，并且分割的結(jié)果受噪聲影響較大。 3.兩幀差分法算法簡單，易于實(shí)現(xiàn)，但是由于該方法中檢測運(yùn)動(dòng)目標(biāo)時(shí)是根據(jù)運(yùn) 動(dòng)變化區(qū)域的灰度信息，而運(yùn)動(dòng)變化區(qū)域包括真正的運(yùn)動(dòng)目標(biāo)和由于目標(biāo)的遮攔引起的背 景的變化故檢測到的運(yùn)動(dòng)目標(biāo)還包括變化的背景，因此還必須對提取到的物體進(jìn)行后處理。 綜上所述，對運(yùn)動(dòng)目標(biāo)進(jìn)行分割存在效果差、魯棒性低(分割結(jié)果受噪聲影響)等 問題，需要一種檢測效果好、受噪聲影響小的方法。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種基于浮雕圖像的運(yùn)動(dòng)分割
方法，能很好的提取運(yùn)動(dòng)目標(biāo)的整體輪廓，降低噪聲的影響。 按照本發(fā)明提供的技術(shù)方案，所述基于浮雕圖像的運(yùn)動(dòng)分割方法包括如下步驟 (1)將運(yùn)動(dòng)目標(biāo)連續(xù)的圖像幀預(yù)處理為8位灰度圖像； (2)對預(yù)處理后的8位灰度圖像采用高斯模糊方法減小噪聲； (3)對前一步所得圖像進(jìn)行圖像浮雕處理，得到運(yùn)動(dòng)目標(biāo)的初步輪廓； (4)對經(jīng)過圖像浮雕處理的運(yùn)動(dòng)目標(biāo)連續(xù)的圖像幀進(jìn)行兩幀差分法，得到擁有運(yùn)
動(dòng)目標(biāo)清晰的整體輪廓的一系列圖像幀。 所述將圖像幀處理為灰度圖像的公式為或7 =垂及+會(huì)(？ +會(huì)5 其中，Y代表圖像每個(gè)像素轉(zhuǎn)換后的灰度值，R， G， B分別代表圖像每個(gè)像素轉(zhuǎn)換前 的R，G，B分量值。 所述高斯模糊的模板的二維空間定義為 G(",v) = T^e-("V)/(2CT2) 其中u， v代表像素的模板坐標(biāo)，o是正態(tài)分布的標(biāo)準(zhǔn)差。 所述浮雕處理的方法為 二維數(shù)字圖像用二維離散函數(shù)表示為 f(i， j) = {fr(i， j)，fg(i， j)，fb(i， j)}i = 0，1，2，…，M-1 ;j = 0，1，2，…，N—1 式中 ，M， N分別為圖像橫、縱方向上的像素?cái)?shù)；fji， j)， fg(i， j)， fb(i， j)分別為 (i， j)坐標(biāo)處像素顏色的紅，綠，藍(lán)分量的值，由此浮雕圖像的離散函數(shù)g(i， j)表示為 g(i， j) = {gr(i， j)，gg(i， j)，gb(i， j)}i = 0，1，2，…，M-1 ;j = 0，1，2，…，N—1 式中g(shù)r(i， j) = fr(i， j)-fr(i-l， j — l)+T， gg(i， j) = fg(i， j)-fg(i_l， j-l)+T， gb(i， j) = fb(i， j)-fb(i-l， j-l)+T， T為常數(shù)。 所述兩幀差分法是指，連續(xù)兩幅圖像幀中對應(yīng)行列的每個(gè)像素相減取差值，再對 該值進(jìn)行范圍縮放，即大于255時(shí)，取值255，小于0時(shí)，取值0，得到的像素值作為新圖像的 本發(fā)明的優(yōu)點(diǎn)是先對運(yùn)動(dòng)目標(biāo)圖像進(jìn)行浮雕處理，然后進(jìn)行兩幀差分法處理，能 夠檢測、提取出運(yùn)動(dòng)目標(biāo)清晰的整體輪廓，效果好；對運(yùn)動(dòng)目標(biāo)圖像幀進(jìn)行高斯模糊，再進(jìn) 行浮雕處理可以很好的降低圖像中存在的噪聲和克服兩幀差分法中出現(xiàn)的問題。


圖1是本發(fā)明所述方法的流程圖。
圖2是本發(fā)明實(shí)施例的流程圖。
具體實(shí)施例方式
下面結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步說明。
如圖1所示，為得到運(yùn)動(dòng)目標(biāo)的整體輪廓，降低噪聲的影B向，需要4個(gè)步驟的處理 1.圖像灰度化，2.降低圖像噪聲，3.浮雕處理，4.兩幀差分法。具體如下
步驟l.圖像灰度化 為了檢測和提取運(yùn)動(dòng)目標(biāo)的整體輪廓和后續(xù)視差圖處理，要對運(yùn)動(dòng)目標(biāo)連續(xù)的圖 像幀進(jìn)行灰度化處理。 對圖像的每個(gè)像素按照灰度化公式處理，得到的像素值就作為灰度后的像素值。 為了減少后續(xù)處理的計(jì)算量，提高處理效率，改變圖像的存儲位數(shù)，由原來的24位圖變成8 位灰度圖。
步驟2.降低圖像噪聲 采集的運(yùn)動(dòng)目標(biāo)圖像幀不可避免會(huì)存在噪聲，對圖像后續(xù)處理產(chǎn)生影響，有必要 采取措施減小噪聲的干擾。減小噪聲可采用高斯模糊。 高斯模糊是數(shù)字圖像模板處理法的一種，其模板是根據(jù)二維正態(tài)分布(高斯分
布)函數(shù)計(jì)算出來的。二維空間定義為
G(w, v)=
1
(2) 其中u， v代表像素的模板坐標(biāo)，o是正態(tài)分布的標(biāo)準(zhǔn)差。分布不為0的像素組成
的巻積矩陣與原始圖像做變換。每個(gè)像素的值都是周圍相鄰像素值的加權(quán)平均，原始像素
的值有最大的高斯分布值，所以有最大的權(quán)重，相鄰像素隨著距離原始像素越來越遠(yuǎn)，其權(quán)
重也就越來越小。高斯模糊處理比其他的模糊處理更好地保留了邊緣效果。 在實(shí)際處理中，通過設(shè)定o的值，得到高斯模糊的模板，將高斯模板與每個(gè)像素
值及其周圍的像素值加權(quán)平均得到像素新值。 步驟3.圖像浮雕處理 經(jīng)過步驟一、二的預(yù)處理，再對圖像進(jìn)行重要的一步圖像浮雕處理。二維數(shù)字圖 像可以用如下的二維離散函數(shù)來表示 f(i， j) = {fr(i， j)，fg(i， j)，fb(i， j)}i = 0，1，2，…，M-1 ;j = 0，1，2，…，N—1
(3) 式中，M， N分別為圖像橫，縱方向上的像素?cái)?shù)；fji， j)， fg(i， j)， fb(i， j)分別為 (i， j)坐標(biāo)處像素顏色的紅，綠，藍(lán)分量的值。由此浮雕圖像的離散函數(shù)g(i， j)可以表示 為 g(i， j) = {gr(i， j)，gg(i， j)，gb(i， j)}i = 0，1，2，…，M-1 ;j = 0，1，2，…，N-1
(4)式中g(shù) r ( i ， j ) = f r ( i ， j ) _ f r ( i _ 1 ，
(5) g g ( i ，j ) =f g ( i ，j ) _ f g ( i _ 1 ， j
(6) g b ( i ，j ) =f b ( i ，j ) _ f b ( i _ 1 ， j
(7) 式中T為常數(shù)，優(yōu)選值為128 ;在步驟一中已經(jīng)將圖像處理為8位灰度圖，所以在 本步驟中只需對8位灰度圖像進(jìn)行浮雕處理。 步驟4.兩幀差分法 經(jīng)過前三個(gè)步驟的處理，得到效果好的浮雕圖像。運(yùn)動(dòng)目標(biāo)一系列圖像幀經(jīng)過浮 雕處理后，再進(jìn)行幀差分法能得到運(yùn)動(dòng)目標(biāo)清晰的整體輪廓。 在噪聲處理中，選取不同的o ，得到最適合的模板，從而有效降低噪聲的影響。 如下所述實(shí)施案例運(yùn)行在普通PC機(jī)上，具體配置如下 CPU:Intel Core2 Duo 2. 66GHz, 2. 66GHz 內(nèi)存2G DDR333
1 ) + T
1 ) + T
1 ) + T
操作系統(tǒng)-Windows XP Professional Edition
運(yùn)行環(huán)境-Microsoft Visual Studio 2008 輸入為運(yùn)動(dòng)目標(biāo)連續(xù)的圖像幀，輸出為該運(yùn)動(dòng)目標(biāo)連續(xù)的整體輪廓圖像幀。如圖2所示，其處理步驟如下
步驟l.圖像灰度化 圖像灰度化就是使彩色的R， G， B分量值相等的過程。在這里采用加權(quán)平均值法根據(jù)重要性或其他指標(biāo)給R， G， B賦予不同的權(quán)值，并使R， G， B的值加權(quán)平均，即
R = G = B = (WKR+WGG+WBB) (1) 其中WK， WG， WB分別為R， G， B的權(quán)值，并且WK+WG+WB =1。 WK， WG， WB取不同的值，加權(quán)平均值法就形成不同的灰度圖像。由于人眼對綠色的敏感度最高，對紅色的敏感度次之，對藍(lán)色的敏感度最低，因此使we > WK > WB將得到合理的灰度圖像。實(shí)驗(yàn)和理論推導(dǎo)證明當(dāng)WK = 0. 299，WG = 0. 587，WB = 0. 114時(shí)，即當(dāng)Vgray = 0. 299R+0. 587G+0. 114B，R = G =B = Vgray時(shí)，能得到最合理的灰度圖像。對圖像的每個(gè)像素進(jìn)行公式(1)處理，得到新的像素值，作為灰度后的像素值。為了減少后續(xù)處理的計(jì)算量，提高處理效率，改變圖像的存儲位數(shù)，由原來的24位圖變成8位灰度圖。
步驟2.降低圖像噪聲 降低圖像噪聲常用方法是高斯模糊。在(2)式中選擇o = 0.849，經(jīng)過整數(shù)除法形式近似得到高斯模板3X3矩陣
"2 r 2 4 2歸一化因子為1/16、1 2 l乂 高斯模糊存在圖像邊界計(jì)算問題，當(dāng)在圖像上逐個(gè)移動(dòng)模板矩陣(巻積核)時(shí)，只要模板矩陣(巻積核)移到了圖像邊界，就會(huì)出現(xiàn)計(jì)算上的問題，解決這個(gè)問題的方法是忽略邊界數(shù)據(jù)。 步驟3.圖像浮雕處理 經(jīng)過上面兩個(gè)步驟，得到平滑的灰度圖。然后對灰度圖進(jìn)行浮雕處理，處理的算法
公式為
gr (i ， j) = fr (i ， j) _fr (i—1 ， j-1) +T (5)gg (i ， j) = fg (i ， j) _fg (i—1 ， j—1) +T (6)gb(i， J) = fb(i， J)-fb(H， J—D+T (7)
對灰度圖中的每個(gè)像素進(jìn)行公式(5) (6) (7)中的任一種變換，需要注意的是當(dāng)設(shè)置一個(gè)像素值的時(shí)候，它和它左上方的像素都要被用到，為了避免用到已經(jīng)設(shè)置過的像素，應(yīng)該從圖像的右下方的像素開始處理，為了使圖像保持一定的亮度和灰度，在公式中加入了一個(gè)閾值T二 128。 T可以取其他值，但是太小圖像會(huì)很暗，太大圖像會(huì)很亮，就不是主流的浮雕，在這里我們?nèi) = 128。
步驟4.兩幀差分法 對運(yùn)動(dòng)目標(biāo)連續(xù)幀進(jìn)行兩幀差分法連續(xù)兩幅圖像幀中對應(yīng)行列的每個(gè)像素相減取差值，再對該值進(jìn)行范圍縮放，即大于255時(shí)，取值255，小于0時(shí)，取值0。該處理后得到的值就是所求圖像的像素值。
使用上述實(shí)施案例，對一運(yùn)動(dòng)目標(biāo)連續(xù)45圖像幀源圖進(jìn)行處理，圖像幀的分辨率為640X480。得到的結(jié)果圖是256灰度級的灰度圖像，分辨率也為640X480，并且能很好的提取運(yùn)動(dòng)目標(biāo)的整體輪廓。
權(quán)利要求
一種基于浮雕圖像的運(yùn)動(dòng)分割方法，其特征在于，所述方法包括如下步驟(1)將運(yùn)動(dòng)目標(biāo)連續(xù)的圖像幀預(yù)處理為8位灰度圖像；(2)對預(yù)處理后的8位灰度圖像采用高斯模糊方法減小噪聲；(3)對前一步所得圖像進(jìn)行圖像浮雕處理，得到運(yùn)動(dòng)目標(biāo)的初步輪廓；(4)對經(jīng)過圖像浮雕處理的運(yùn)動(dòng)目標(biāo)連續(xù)的圖像幀進(jìn)行兩幀差分法，得到擁有運(yùn)動(dòng)目標(biāo)清晰的整體輪廓的一系列圖像幀。
2. 如權(quán)利要求1所述基于浮雕圖像的運(yùn)動(dòng)分割方法，其特征在于，所述將圖像幀處理為灰度圖像的公式為<formula>formula see original document page 2</formula>其中，Y代表圖像每個(gè)像素轉(zhuǎn)換后的灰度值，R，G，B分別代表圖像每個(gè)像素轉(zhuǎn)換前的R， G，B分量值。
3. 如權(quán)利要求1所述基于浮雕圖像的運(yùn)動(dòng)分割方法，其特征在于，所述高斯模糊的模 板的二維空間定義為<formula>formula see original document page 2</formula>其中u，v代表像素的模板坐標(biāo)，o是正態(tài)分布的標(biāo)準(zhǔn)差。
4. 如權(quán)利要求1所述基于浮雕圖像的運(yùn)動(dòng)分割方法，其特征在于，所述浮雕處理的方法為二維數(shù)字圖像用二維離散函數(shù)表示為f(i， j) = {fr(i， j)， fg(i， j)， fb(i， j)}i = 0，1，2，…，M-l ;j = 0，1，2，…，N-l式 中，M， N分別為圖像橫、縱方向上的像素?cái)?shù)；fr(i， j)， fg(i， j)， fb(i， j)分別為(i， j)坐標(biāo)處像素顏色的紅，綠，藍(lán)分量的值，由此浮雕圖像的離散函數(shù)g(i， j)表示為g(i， j) = {gr(i， j)，gg(i， j)，g"i， j)}i = 0，1，2，…，M-1 ;j = 0，1，2，…，N-1式中 gr(i， j) = fr(i， j)-fr(i-l， j—1)+T，gg(i， j) = fg(i， j)—fg(i—1， j—1)+T， g"i， J) = f"i， J)-f"H， j—1)+T， T為常數(shù)。
5. 如權(quán)利要求1所述基于浮雕圖像的運(yùn)動(dòng)分割方法，其特征在于，所述兩幀差分法是 指連續(xù)兩幅圖像幀中對應(yīng)行列的每個(gè)像素相減取差值，再對該值進(jìn)行范圍縮放，即大于 255時(shí)，取值255，小于0時(shí)，取值0，得到的像素值做為新圖像的像素值。
全文摘要
本發(fā)明設(shè)計(jì)一種基于浮雕圖像的運(yùn)動(dòng)分割方法，將運(yùn)動(dòng)目標(biāo)連續(xù)的圖像幀預(yù)處理為8位灰度圖像；對預(yù)處理后的8位灰度圖像采用高斯模糊方法減小噪聲；對前一步所得圖像進(jìn)行圖像浮雕處理，得到運(yùn)動(dòng)目標(biāo)的初步輪廓；對經(jīng)過圖像浮雕處理的運(yùn)動(dòng)目標(biāo)連續(xù)的圖像幀進(jìn)行兩幀差分法，得到擁有運(yùn)動(dòng)目標(biāo)清晰的整體輪廓的一系列圖像幀。本發(fā)明的優(yōu)點(diǎn)是先對運(yùn)動(dòng)目標(biāo)圖像進(jìn)行浮雕處理，然后進(jìn)行兩幀差分法處理，能夠檢測、提取出運(yùn)動(dòng)目標(biāo)清晰的整體輪廓，效果好；對運(yùn)動(dòng)目標(biāo)圖像幀進(jìn)行高斯模糊，再進(jìn)行浮雕處理可以很好的降低圖像中存在的噪聲和克服兩幀差分法中出現(xiàn)的問題。
文檔編號G06T7/20GK101702238SQ200910182820
公開日2010年5月5日 申請日期2009年9月7日 優(yōu)先權(quán)日2009年9月7日
發(fā)明者劉磊, 徐秀兵, 檀海勤 申請人:無錫景象數(shù)字技術(shù)有限公司