CN105930843A - 一种模糊视频图像的分割方法及装置 - Google Patents
一种模糊视频图像的分割方法及装置 Download PDFInfo
- Publication number
- CN105930843A CN105930843A CN201610243370.7A CN201610243370A CN105930843A CN 105930843 A CN105930843 A CN 105930843A CN 201610243370 A CN201610243370 A CN 201610243370A CN 105930843 A CN105930843 A CN 105930843A
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- time
- segmentation
- split
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005520 cutting process Methods 0.000 claims description 25
- 238000002372 labelling Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 10
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000003709 image segmentation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明提供一种模糊视频图像的分割方法及装置,所述方法包括:采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像;对所述各帧第一次分割图像进行第一次图像重构,得到各帧第一次重构图像;采用所述预设分割模型,对所述各帧第一次重构图像进行第二次分割,得到各帧第二次分割图像;对所述各帧第二次分割图像进行第二次图像重构,得到清晰的视频分割图像。上述模糊视频分割方法通过对模糊视频的各帧图像进行二次分割和二次重构,从而实现对模糊视频的分割,得到清晰的视频。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种模糊视频图像的分割方法及装置。
背景技术
在对图像的研究和应用中,我们往往仅对图像中的某些部分感兴趣,为了辨识和分析目标,需要将这些感兴趣的区域分离提取出来。图像分割就是把图像分成各具特征的区域并提取出感兴趣目标的技术和过程。图像分割多年来一直得到人们的高度重视,至今已经提出了上千种类型的分割算法,其中大致可以分为三大类:一是基于边缘的图像分割;二是基于阈值的图像分割;三是基于区域的图像分割。
基于边缘的图像分割方法对模糊图像的分割效果并不理想,基于阈值的图像分割方法不适用于多通道图像和特征值相关不大的图像,对图像中不存在明显灰度差异或各物体的灰度值范围有较大重叠的图像分割效果都不好。因此,人们广泛采用基于区域的图像分割方法。
视频是动态图像的组合,因此,图像分割的方法很多也适用于视频图像的分割。
现有的一项视频分割方法中,利用对像素的统计建模将视频分成前景和背景,各像素与该像素的背景统计模型做比较,基于比较像素确定为前景或者背景。该方法只可以分割出前景和背景,并且依赖于像素进行分割。不能对模糊视频得到较好的分割结果。
现有的一种视频分割算法中,将多部件的跟踪和分割信息统一到一个能量函数中。其中在线目标多部件跟踪为分割提供了有效的时序运动和结构约束信息,同时目标多部件分割产生精确的局部表象外观和位置信息来提升目标多部件跟踪精度。使用RANSAC-style算法对目标多部件跟踪和目标多部件分割步骤进行迭代优化,获得准确的视频分割结果。需要结合两反面的内容来确定分割,外界干扰对视频分割影响较大。
现有的另一项视频分割方法中,先输入视频图像,检测任意两帧图像的特征点,并对特征点进行匹配;利用多组匹配的特征点对估计视频图像中的每个运动层的平面单应矩阵;对视频图像进行颜色过分割;利用每个运动层的平面单应矩阵对多个图像过分割区域进行分类;获取视频图像中的物体的边缘以及内部点;选取邻近未知点的前景样本点和背景样本点,对前景样本点、背景样本点和未知点进行标记,对未知点进行分类以得到物体的优化边缘。该方法处理的是彩色视频,可以处理视频帧间存在的大运动场景。但是监控视频基本都是灰度图像,针对模糊图像,对于标记边缘时容易产生误差,这样分类时便会出错或者导致出现虚假轮廓以及轮廓不完整的现象。
综上,现有的视频分割方法对模糊视频图像的分割效果都不理想。
发明内容
基于现有技术的缺陷,本发明提供一种模糊视频图像的分割方法及装置,以解决现有的视频分割方法对模糊视频分割效果不理想的技术问题。
第一方面,本发明提供一种模糊视频图像的分割方法,包括:
采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像;
对所述各帧第一次分割图像进行第一次图像重构,得到各帧第一次重构图像;
采用所述预设分割模型,对所述各帧第一次重构图像进行第二次分割,得到各帧第二次分割图像;
对所述各帧第二次分割图像进行第二次图像重构,得到清晰的视频分割图像。
可选地,所述采用预设分割模型,对所述每一帧的灰度图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像,具体包括:
提取所述待分割模糊视频的每一帧图像的标记;
将提取的标记作为所述每一帧图像的局部极小值,得到修改后的各帧图像;
对所述修改后的各帧图像进行分割,得到所述待分割模糊视频的各帧第一次分割图像。
可选地,在采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割之前,所述方法还包括:
对待分割模糊视频进行灰度处理,得到所述待分割模糊视频的每一帧的灰度图像;
相应地,所述采用预设分割模型,对所述每一帧的灰度图像进行第一次分割,具体包括:
采用预设分割模型,对待所述每一帧的灰度图像进行第一次分割。
可选地,在采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割之前,在所述对待分割模糊视频进行灰度处理之后,所述方法还包括:
对所述每一帧的灰度图像进行去噪处理,得到各帧去噪后的灰度图像;
相应地,所述采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割,具体包括:
采用预设分割模型,对所述各帧去噪后的灰度图像进行第一次分割。
可选地,在所述对所述每一帧的灰度图像进行去噪处理,得到各帧去噪后的灰度图像之后,在所述采用预设分割模型,对所述每一帧的灰度图像进行第一次分割之前,所述方法还包括:
对所述各帧去噪后的灰度图像进行去模糊处理,得到去模糊的各帧灰度图像;
相应地,所述采用预设分割模型,对所述每一帧的灰度图像进行第一次分割,具体包括:
采用预设分割模型,对所述去模糊的各帧灰度图像进行第一次分割。
第二方面,本发明提供一种模糊视频图像的分割装置,包括:
一次分割单元,用于采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像;
一次重构单元,用于对所述各帧第一次分割图像进行第一次图像重构,得到各帧第一次重构图像;
二次分割单元,用于采用所述预设分割模型,对所述各帧第一次重构图像进行第二次分割,得到各帧第二次分割图像;
二次重构单元,用于对所述各帧第二次分割图像进行第二次图像重构,得到清晰的视频分割图像。
可选地,所述一次重构单元具体用于:
提取所述待分割模糊视频的每一帧图像的标记;
将提取的标记作为所述每一帧图像的局部极小值,得到修改后的各帧图像;
对所述修改后的各帧图像进行分割,得到所述待分割模糊视频的各帧第一次分割图像。
可选地,所述装置还包括:灰度处理单元,用于在所述一次分割单元采用预设分割模型,对所述每一帧的灰度图像进行第一次分割之前,对待分割模糊视频进行灰度处理,得到所述待分割模糊视频的每一帧的灰度图像;
相应地,所述一次分割单元,具体用于:采用预设分割模型,对待所述每一帧的灰度图像进行第一次分割。
可选地,所述装置还包括:去噪单元,用于在所述一次分割单元采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割之前,在所述灰度处理单元对对待分割模糊视频进行灰度处理之后,对所述待分割模糊视频的每一帧图像进行去噪处理,得到各帧去噪后的图像;
相应地,所述一次分割单元,具体用于:采用预设分割模型,对所述各帧去噪后的灰度图像进行第一次分割。
可选地,所述装置还包括:去模糊单元,用于在所述去噪单元对所述每一帧的灰度图像进行去噪处理之后,在所述一次分割单元采用预设分割模型,对所述各帧去噪后的灰度图像进行第一次分割之前,对所述各帧去噪后的图像进行去模糊处理,得到去模糊的各帧图像;
相应地,所述一次分割单元,具体用于:采用预设分割模型,对所述去模糊的各帧灰度图像进行第一次分割。
由上述技术方案可知,本发明的模糊视频图像的分割方法及装置,通过对模糊视频的各帧图像进行二次分割和二次重构,从而实现对模糊视频的分割,得到清晰的视频。
附图说明
图1为本发明一实施例提供的模糊视频图像的分割方法的流程示意图;
图2为本发明一实施例提供的模糊视频图像的分割装置的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明一实施例提供的模糊视频图像的分割方法的流程示意图。如图1所示,本实施例的模糊视频图像的分割方法包括步骤S11至S14。
S11、采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像。
针对模糊的图像想要分割出很理想的效果是比较难的。首先进行第一次分割操作,以摒弃图像中一部分的低频分量。
S12、对所述各帧第一次分割图像进行第一次图像重构,得到各帧第一次重构图像。
对第一次分割后的图像进行图像重构,得到第一次重构图像。
S13、采用所述预设分割模型,对所述各帧第一次重构图像进行第二次分割,得到各帧第二次分割图像。
为了得到更清晰的视频图像内容,对第一次重构的图像进行第二次分割。经过第一次分割之后,图像摒弃掉了一部分的低频的分量,同时提高了图像的亮度。这样可以使得模糊的视频图像变得清晰一点,再对第一次重构图像进行第二次分割,可使得分割结果比较好。
S14、对所述各帧第二次分割图像进行第二次图像重构,得到清晰的视频分割图像。
对第二次分割后的图像进行第二次重构后,得到清晰的视频分割图像。
本实施例的模糊视频图像的分割方法,能够对模糊视频图像进行分割,最终得到清晰的视频分割图像,并极大程度上保证了视频中的图像的内容。
在本发明一个优选的实施例中,所述步骤S11具体包括图1中未示出的子步骤S111至S113。
S111、提取所述每一帧的灰度图像的标记。
S112、将提取的标记作为所述每一帧的灰度图像的局部极小值,得到修改后的各帧灰度图像。
S113、对所述修改后的各帧灰度图像进行分割,得到所述待分割模糊视频的各帧第一次分割图像。
本实施例中,采用分水岭区域分割法对灰度图像进行分割操作。分水岭区域分割法是一种基于拓扑理论的数学形态学的分割方法。它的基本思想就是把图像看作是拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每个局部极小值以及它影响的区域称为集水盆,而集水盆的边界则形成分水岭。而分水岭的原理是在图像中每一个小的区域的极小值处打一个洞,把整幅图像模拟浸没海水的过程。随着浸没过程的加速,图像中各区域的极小值所施加的影响的区域就会慢慢的扩散出去,最后各个区域都会被水淹没,同时堤坝也包围在了其中。而应用在图像中时,浸没的方向则由梯度值来决定。
分水岭分割主要应用形态学的开闭操作以及腐蚀膨胀操作,由于经典分水岭算法对噪声的影响比较敏感,因此,本实施例采用一种新的标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值。它们将构成二值标记图像,然后将提取的标记利用形态学极小值标记技术强制作为原始梯度图像的局部极小值,而摒弃梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割效果。
可以理解的是,步骤S13中,对第一次重构图像进行第二次分割的步骤与步骤S111至S113类似,此处不再赘述。
本实施例的模糊视频图像的分割方法,采用改进的分水岭算法直接应用分水岭在原始梯度图像上进行操作,而非操作简化后的图像,这样可以极大化的保证没有物体边缘信息的丢失。
在本发明一个优选的实施例中,在步骤S11之前,上述方法还包括图1中未示出的步骤S10。
S10、对待分割模糊视频进行灰度处理,得到所述待分割模糊视频的每一帧的灰度图像。
对于视频图像,一般而言都是灰度图像,如果摄像头采集到的图像为彩色的,那么我们就要对其进行变换为灰度图像。变换语句在MATLAB语言中就是一个函数。
本实施例的模糊视频图像的分割方法,通过对彩色图像进行灰度处理,可以提高对模糊视频分割的效果。
在本发明一个优选的实施例中,在步骤S11之前,上述方法还包括图1中未示出的步骤S10’。
S10’、对所述每一帧的灰度图像进行去噪处理,得到各帧去噪后的灰度图像。
对每一帧的灰度图像都采用二维自适应维纳滤波对其进行去噪操作。二维自适应维纳滤波的原理是利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法。
相应地,步骤S12具体包括:
采用预设分割模型,对所述各帧去噪后的灰度图像进行第一次分割。
本实施例的模糊视频图像的分割方法,采用二维自适应维纳滤波对图像进行去噪,可以使模糊视频图像分割的效果更好。
在本发明一个优选的实施例中,在步骤S11之前,步骤S10’之后,上述方法还包括图1中未示出的步骤S10”。
S10”、对所述各帧去噪后的灰度图像进行去模糊处理,得到去模糊的各帧灰度图像。
针对去完噪的图像,建立高阶变分模型并采用盲去模糊的方法去模糊。
本实施例的模糊视频图像的分割方法,通过对模糊的视频图像进行二维自适应维纳滤波,盲去模糊以及采用改进的分水岭算法,从而达到针对模糊视频得到较好的分割结果。
图2示出了本发明一实施例提供的模糊视频图像的分割装置的结构示意图。本实施例的模糊视频图像的分割装置,包括:一次分割单元201、一次重构单元202、二次分割单元203及二次重构单元204。
一次分割单元201,用于采用预设分割模型,对所述每一帧的灰度图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像。
一次重构单元202,用于对所述各帧第一次分割图像进行第一次图像重构,得到各帧第一次重构图像。
二次分割单元203,用于采用所述预设分割模型,对所述各帧第一次重构图像进行第二次分割,得到各帧第二次分割图像。
二次重构单元204,用于对所述各帧第二次分割图像进行第二次图像重构,得到清晰的视频分割图像。
本实施例的模糊视频图像的分割装置,能够对模糊视频图像进行分割,最终得到清晰的视频分割图像,并极大程度上保证了视频中的图像的内容。
在本发明一个优选的实施例中,所述一分割单元201具体用于:
提取所述待分割模糊视频的每一帧图像的标记;
将提取的标记作为所述每一帧图像的局部极小值,得到修改后的各帧图像;
对所述修改后的各帧图像进行分割,得到所述待分割模糊视频的各帧第一次分割图像。
本实施例中,采用分水岭区域分割法对灰度图像进行分割操作。
本实施例的模糊视频图像的分割装置,可以极大化的保证没有物体边缘信息的丢失。
在本发明一个优选的实施例中,所述装置还包括图2中未示出的灰度处理单元200,用于在所述一次分割单元201采用预设分割模型,对所述每一帧的灰度图像进行第一次分割之前,对待分割模糊视频进行灰度处理,得到所述待分割模糊视频的每一帧的灰度图像;
相应地,所述一次分割单元,具体用于:采用预设分割模型,对待所述每一帧的灰度图像进行第一次分割。
本实施例的模糊视频图像的分割装置,通过对彩色图像进行灰度处理,可以提高对模糊视频分割的效果。
在本发明一个优选的实施例中,所述装置还包括图2中未示出的去噪单元201’,用于在所述一次分割单元201采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割之前,在所述灰度处理单元对对待分割模糊视频进行灰度处理之后,对所述待分割模糊视频的每一帧图像进行去噪处理,得到各帧去噪后的图像;
相应地,所述一次分割单元201,具体用于:采用预设分割模型,对所述各帧去噪后的灰度图像进行第一次分割。
本实施例的模糊视频图像的分割装置,采用二维自适应维纳滤波对图像进行去噪,可以使模糊视频图像分割的效果更好。
在本发明一个优选的实施例中,所述装置还包括:去模糊单元201”,用于在所述去噪单元201’对所述每一帧的灰度图像进行去噪处理之后,在所述一次分割单元201采用预设分割模型,对所述每一帧的灰度图像进行第一次分割之前,对所述各帧去噪后的灰度图像进行去模糊处理,得到去模糊的各帧灰度图像;
相应地,所述一次分割单元201,具体用于:采用预设分割模型,对所述去模糊的各帧灰度图像进行第一次分割。
针对去完噪的图像,建立高阶变分模型并采用盲去模糊的方法去模糊。
本实施例的模糊视频图像的分割装置,通过对模糊的视频图像进行二维自适应维纳滤波,盲去模糊以及采用改进的分水岭算法,从而达到针对模糊视频得到较好的分割结果。
本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种模糊视频图像的分割方法,其特征在于,包括:
采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像;
对所述各帧第一次分割图像进行第一次图像重构,得到各帧第一次重构图像;
采用所述预设分割模型,对所述各帧第一次重构图像进行第二次分割,得到各帧第二次分割图像;
对所述各帧第二次分割图像进行第二次图像重构,得到清晰的视频分割图像。
2.根据权利要求1所述的方法,其特征在于,所述采用预设分割模型,对所述每一帧的灰度图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像,具体包括:
提取所述待分割模糊视频的每一帧图像的标记;
将提取的标记作为所述每一帧图像的局部极小值,得到修改后的各帧图像;
对所述修改后的各帧图像进行分割,得到所述待分割模糊视频的各帧第一次分割图像。
3.根据权利要求1所述的方法,其特征在于,在采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割之前,所述方法还包括:
对待分割模糊视频进行灰度处理,得到所述待分割模糊视频的每一帧的灰度图像;
相应地,所述采用预设分割模型,对所述每一帧的灰度图像进行第一次分割,具体包括:
采用预设分割模型,对待所述每一帧的灰度图像进行第一次分割。
4.根据权利要求3所述的方法,其特征在于,在采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割之前,在所述对待分割模糊视频进行灰度处理之后,所述方法还包括:
对所述每一帧的灰度图像进行去噪处理,得到各帧去噪后的灰度图像;
相应地,所述采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割,具体包括:
采用预设分割模型,对所述各帧去噪后的灰度图像进行第一次分割。
5.根据权利要求4所述的方法,其特征在于,在所述对所述每一帧的灰度图像进行去噪处理,得到各帧去噪后的灰度图像之后,在所述采用预设分割模型,对所述每一帧的灰度图像进行第一次分割之前,所述方法还包括:
对所述各帧去噪后的灰度图像进行去模糊处理,得到去模糊的各帧灰度图像;
相应地,所述采用预设分割模型,对所述每一帧的灰度图像进行第一次分割,具体包括:
采用预设分割模型,对所述去模糊的各帧灰度图像进行第一次分割。
6.一种模糊视频图像的分割装置,其特征在于,包括:
一次分割单元,用于采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割,得到所述待分割模糊视频的各帧第一次分割图像;
一次重构单元,用于对所述各帧第一次分割图像进行第一次图像重构,得到各帧第一次重构图像;
二次分割单元,用于采用所述预设分割模型,对所述各帧第一次重构图像进行第二次分割,得到各帧第二次分割图像;
二次重构单元,用于对所述各帧第二次分割图像进行第二次图像重构,得到清晰的视频分割图像。
7.根据权利要求6所述的装置,其特征在于,所述一次分割单元具体用于:
提取所述待分割模糊视频的每一帧图像的标记;
将提取的标记作为所述每一帧图像的局部极小值,得到修改后的各帧图像;
对所述修改后的各帧图像进行分割,得到所述待分割模糊视频的各帧第一次分割图像。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
灰度处理单元,用于在所述一次分割单元采用预设分割模型,对所述每一帧的灰度图像进行第一次分割之前,对待分割模糊视频进行灰度处理,得到所述待分割模糊视频的每一帧的灰度图像;
相应地,所述一次分割单元,具体用于:采用预设分割模型,对待所述每一帧的灰度图像进行第一次分割。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
去噪单元,用于在所述一次分割单元采用预设分割模型,对待分割模糊视频的每一帧图像进行第一次分割之前,在所述灰度处理单元对对待分割模糊视频进行灰度处理之后,对所述待分割模糊视频的每一帧图像进行去噪处理,得到各帧去噪后的图像;
相应地,所述一次分割单元,具体用于:采用预设分割模型,对所述各帧去噪后的灰度图像进行第一次分割。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
去模糊单元,用于在所述去噪单元对所述每一帧的灰度图像进行去噪处理之后,在所述一次分割单元采用预设分割模型,对所述各帧去噪后的灰度图像进行第一次分割之前,对所述各帧去噪后的图像进行去模糊处理,得到去模糊的各帧图像;
相应地,所述一次分割单元,具体用于:采用预设分割模型,对所述去模糊的各帧灰度图像进行第一次分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610243370.7A CN105930843A (zh) | 2016-04-19 | 2016-04-19 | 一种模糊视频图像的分割方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610243370.7A CN105930843A (zh) | 2016-04-19 | 2016-04-19 | 一种模糊视频图像的分割方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105930843A true CN105930843A (zh) | 2016-09-07 |
Family
ID=56838491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610243370.7A Pending CN105930843A (zh) | 2016-04-19 | 2016-04-19 | 一种模糊视频图像的分割方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105930843A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062751A (zh) * | 2017-12-05 | 2018-05-22 | 安徽四创电子股份有限公司 | 应用于雾霾天气下的视频图像的两级分割图像的方法 |
CN111866585A (zh) * | 2020-06-22 | 2020-10-30 | 北京美摄网络科技有限公司 | 一种视频处理方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1720550A (zh) * | 2002-12-05 | 2006-01-11 | 皇家飞利浦电子股份有限公司 | 从分割图像中去除伪边缘的方法和设备 |
US20080152222A1 (en) * | 2006-12-26 | 2008-06-26 | Sanyo Electric Co., Ltd. | Noise reduction circuit and image processing device |
CN101702238A (zh) * | 2009-09-07 | 2010-05-05 | 无锡景象数字技术有限公司 | 基于浮雕图像的运动分割方法 |
-
2016
- 2016-04-19 CN CN201610243370.7A patent/CN105930843A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1720550A (zh) * | 2002-12-05 | 2006-01-11 | 皇家飞利浦电子股份有限公司 | 从分割图像中去除伪边缘的方法和设备 |
US20080152222A1 (en) * | 2006-12-26 | 2008-06-26 | Sanyo Electric Co., Ltd. | Noise reduction circuit and image processing device |
CN101702238A (zh) * | 2009-09-07 | 2010-05-05 | 无锡景象数字技术有限公司 | 基于浮雕图像的运动分割方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062751A (zh) * | 2017-12-05 | 2018-05-22 | 安徽四创电子股份有限公司 | 应用于雾霾天气下的视频图像的两级分割图像的方法 |
CN111866585A (zh) * | 2020-06-22 | 2020-10-30 | 北京美摄网络科技有限公司 | 一种视频处理方法及装置 |
CN111866585B (zh) * | 2020-06-22 | 2023-03-24 | 北京美摄网络科技有限公司 | 一种视频处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108665487B (zh) | 基于红外和可见光融合的变电站作业对象和目标定位方法 | |
CN103310218B (zh) | 一种重叠遮挡果实精确识别方法 | |
CN101299268B (zh) | 适于低景深图像的语义对象分割方法 | |
CN104050471A (zh) | 一种自然场景文字检测方法及系统 | |
CN108647648A (zh) | 一种基于卷积神经网络的可见光条件下的舰船识别系统及方法 | |
CN103699900B (zh) | 卫星影像中建筑物水平矢量轮廓自动批量提取方法 | |
CN103871076A (zh) | 基于光流法和超像素分割的运动目标提取方法 | |
CN103198319B (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN102147861A (zh) | 一种基于颜色-纹理双重特征向量进行贝叶斯判决的运动目标检测方法 | |
CN105513053B (zh) | 一种用于视频分析中背景建模方法 | |
CN102842037A (zh) | 一种基于多特征融合的车辆阴影消除方法 | |
CN102663700B (zh) | 粘连颗粒二值图像的分割方法 | |
CN103258332A (zh) | 一种抗光照变化的运动目标检测方法 | |
CN103942812B (zh) | 基于混合高斯与边缘检测的运动目标检测方法 | |
CN103198479A (zh) | 基于语义信息分类的sar图像分割方法 | |
CN106447673A (zh) | 一种非均匀光照条件下的芯片引脚提取方法 | |
Gang et al. | An improved moving objects detection algorithm | |
CN105719275A (zh) | 一种并行组合的图像缺陷分割方法 | |
CN103247049A (zh) | 一种smt焊点图像分割方法 | |
CN103500451B (zh) | 一种用于卫星数据的独立浮冰提取方法 | |
CN105930843A (zh) | 一种模糊视频图像的分割方法及装置 | |
CN104182976B (zh) | 一种野外运动目标精细化提取方法 | |
CN103971367A (zh) | 水文资料图像分割方法 | |
Zhang et al. | An improved watershed algorithm for color image segmentation | |
CN107871315B (zh) | 一种视频图像运动检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160907 |
|
RJ01 | Rejection of invention patent application after publication |