CN106447689A - 一种全息视频流的分割方法 - Google Patents

Abstract

本发明公开了全息视频流的分割方法，涉及全息影像技术领域，假设一段视频流一共有n帧，即F₁，F₂，……F_n，而对某一帧F_i进行图像分割，得到分割区域S_i1，S_i2，……S_im，令图像分割过程为Seg(x)，求相似度函数为Sim(x，y)，相似度阈值为V，邻帧相关性变换为{T_k(x)}，k＝1，2，……，27。本发明通过提供全息视频流的分割方法，图像分割是基于像素色彩进行的，并且解决了左右视图中相同物体宽度不同的情况，不必针对每一帧都进行传统的图像分割，在保持原算法分割准确度的基础上，极大的提高了图像分割的速度。

Description

一种全息视频流的分割方法

技术领域

本发明涉及全息影像技术领域，尤其是一种全息视频流的分割方法。

背景技术

图像分割技术原本来源于单纯的图像处理研究领域，但是近些年来在全息立体视觉的研究方向上所占的分量越来越重。图像分割简而言之就是把图像按照一定的规则划分成两个或多个子图像，它是后续图像分析的基础和前提。划分的规则主要是依据像素点的相邻性、相关性和共特征性，通常这些像素来源于了同一个物体，在此之后就可以直接对这个物体的图像区域进行处理，而不是对像素独立处理，提高了图像处理的效率。

就现在的图像分割算法而言可谓是多种多样，尤其是自二十世纪末以来，科学家们将其他学科的一些理论方法经过改造后用于图像分割，设计出了很多新的算法。但就图像分割的原理和过程而言可以将图像分割算法分成区域分割算法和边缘分割算法两大类。区域分割算法将重点放在构成图像区域的相邻像素点上，通过像素点的灰度或色彩特征信息来进行区域的识别和分割。具体而言区域分割算法包含基于阈值的分割算法、基于聚类的分割算法、基于区域生长的分割算法等。而边缘分割算法顾名思义将重点放在对于图像区域边缘的识别上，包括并行微分算子法等。具体首先根据图像中像素特征识别出区域的边缘像素点，然后将这些边缘像素点按照其归属连成图像区域的轮廓，最后根据这些轮廊把图像分割成区域。但这些方法不能解决左右视图中相同物体宽度不同的情况，并且在视频中，后面的中贞的分割过程依赖前面顿的分割结果，所以图像分割的误差具有传递性，并且，后续立体匹配也是基于图像分割结果的，所以现有方法的精度达不到要求。

发明内容

本发明提出的一种全息视频流的分割方法，不必针对每一帧都进行传统的图像分割，在保持原算法分割准确度的基础上，极大的提高了图像分割的速度。

本发明的技术方案是这样实现的：

一种全息视频流的分割方法，设某段视频流一共有n帧，即F₁，F₂，……F_n，而对某一帧F_i进行图像分割，得到分割区域S_i1，S_i2，……S_im，令图像分割过程为Seg(x)，求相似度函数为Sim(x，y)，相似度阈值为V，邻帧相关性变换为{T_k(x)}，k＝1，2，……，27，具体分割步骤如下：

第一步，对帧F_i进行基于均值漂移算法的图像分割，得到图像分割区域，即{S_ij}＝Seg(F_i)，其中j＝l，2，…，m；

第二步，对得到的图像分割区域{S_ij}，j＝l，2，…，m，进行识别和注册，并进入下一帧F_i+1的处理过程；

第三步，算出此帧F_i+1与上一帧F_i的相似度SI＝Sim(F_i，F_i+1)，若相似度的大于等于给的定阈值SI＝V则进入下一步，否则返回第一步；

第四步，对第二步中注册的每个图像分割区域S_ij，进相关性变换{T_k(S_ij)}，k＝1，2，……，27，然后将变换结果与本帧F_i+1相同位置的区域进行相似度计算，相似度最大的变换结果对应的本帧区域则为帧F_i+1的分割区域，即S_i+1j，当所有的分割区域都进行完以上处理，最后得到了本帧F_i+1的图像分割结果{S_i+1j}，j＝l，2，…，m；

第五步，判断视频流是否结束即i>n，若未结束，返回第二步，否则推出。

本发明通过提供一种全息视频流的分割方法，其有益效果在于：图像分割是基于像素色彩进行的，并且解决了左右视图中相同物体宽度不同的情况，不必针对每一帧都进行传统的图像分割，在保持原算法分割准确度的基础上，极大的提高了图像分割的速度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明全息视频流的分割方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供的一种全息视频流的分割方法，设某段视频流一共有n帧，即F₁，F₂，……F_n，而对某一帧F_i进行图像分割，得到分割区域S_i1，S_i2，……S_im，令图像分割过程为Seg(x)，求相似度函数为Sim(x，y)，相似度阈值为V，邻帧相关性变换为{T_k(x)}，k＝1，2，……，27，具体分割步骤如下：

第一步，对帧F_i进行基于均值漂移算法的图像分割，得到图像分割区域，即{S_ij}＝Seg(F_i)，其中j＝l，2，…，m；

第二步，对得到的图像分割区域{S_ij}，j＝l，2，…，m，进行识别和注册，并进入下一帧F_i+1的处理过程；

第三步，算出此帧F_i+1与上一帧F_i的相似度SI＝Sim(F_i，F_i+1)，若相似度的大于等于给的定阈值SI＝V则进入下一步，否则返回第一步；

第四步，对第二步中注册的每个图像分割区域S_ij，进相关性变换{T_k(S_ij)}，k＝1，2，……，27，然后将变换结果与本帧F_i+1相同位置的区域进行相似度计算，相似度最大的变换结果对应的本帧区域则为帧F_i+1的分割区域，即S_i+1j，当所有的分割区域都进行完以上处理，最后得到了本帧F_i+1的图像分割结果{S_i+1j}，j＝l，2，…，m；

第五步，判断视频流是否结束即i>n，若未结束，返回第二步，否则推出。

以上对视频流的图像分割过程可用如图1所示的流程图描述。

本发明通过提供一种全息视频流的分割方法，图像分割是基于像素色彩进行的，并且解决了左右视图中相同物体宽度不同的情况，不必针对每一帧都进行传统的图像分割，在保持原算法分割准确度的基础上，极大的提高了图像分割的速度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种全息视频流的分割方法，其特征在于，设某段视频流一共有n帧，即F₁，F₂，……F_n，而对某一帧F_i进行图像分割，得到分割区域S_i1，S_i2，……S_im，令图像分割过程为Seg(x)，求相似度函数为Sim(x，y)，相似度阈值为V，邻帧相关性变换为{T_k(x)}，k＝1，2，……，27，具体分割步骤如下：

第一步，对帧F_i进行基于均值漂移算法的图像分割，得到图像分割区域，即{S_ij}＝Seg(F_i)，其中j＝l，2，…，m；

第二步，对得到的图像分割区域{S_ij}，j＝l，2，…，m，进行识别和注册，并进入下一帧F_i+1的处理过程；

第三步，算出此帧F_i+1与上一帧F_i的相似度SI＝Sim(F_i，F_i+1)，若相似度的大于等于给的定阈值SI＝V则进入下一步，否则返回第一步。

第四步，对第二步中注册的每个图像分割区域S_ij，进相关性变换{T_k(S_ij)}，k＝1，2，……，27，然后将变换结果与本帧F_i+1相同位置的区域进行相似度计算，相似度最大的变换结果对应的本帧区域则为帧F_i+1的分割区域，即S_i+1j，当所有的分割区域都进行完以上处理，最后得到了本帧F_i+1的图像分割结果{S_i+1j}，j＝l，2，…，m；

第五步，判断视频流是否结束即i>n，若未结束，返回第二步，否则推出。