本發(fā)明涉及全息影像技術(shù)領(lǐng)域，尤其是一種全息視頻流的分割方法。

背景技術(shù)：

圖像分割技術(shù)原本來(lái)源于單純的圖像處理研究領(lǐng)域，但是近些年來(lái)在全息立體視覺(jué)的研究方向上所占的分量越來(lái)越重。圖像分割簡(jiǎn)而言之就是把圖像按照一定的規(guī)則劃分成兩個(gè)或多個(gè)子圖像，它是后續(xù)圖像分析的基礎(chǔ)和前提。劃分的規(guī)則主要是依據(jù)像素點(diǎn)的相鄰性、相關(guān)性和共特征性，通常這些像素來(lái)源于了同一個(gè)物體，在此之后就可以直接對(duì)這個(gè)物體的圖像區(qū)域進(jìn)行處理，而不是對(duì)像素獨(dú)立處理，提高了圖像處理的效率。

就現(xiàn)在的圖像分割算法而言可謂是多種多樣，尤其是自二十世紀(jì)末以來(lái)，科學(xué)家們將其他學(xué)科的一些理論方法經(jīng)過(guò)改造后用于圖像分割，設(shè)計(jì)出了很多新的算法。但就圖像分割的原理和過(guò)程而言可以將圖像分割算法分成區(qū)域分割算法和邊緣分割算法兩大類(lèi)。區(qū)域分割算法將重點(diǎn)放在構(gòu)成圖像區(qū)域的相鄰像素點(diǎn)上，通過(guò)像素點(diǎn)的灰度或色彩特征信息來(lái)進(jìn)行區(qū)域的識(shí)別和分割。具體而言區(qū)域分割算法包含基于閾值的分割算法、基于聚類(lèi)的分割算法、基于區(qū)域生長(zhǎng)的分割算法等。而邊緣分割算法顧名思義將重點(diǎn)放在對(duì)于圖像區(qū)域邊緣的識(shí)別上，包括并行微分算子法等。具體首先根據(jù)圖像中像素特征識(shí)別出區(qū)域的邊緣像素點(diǎn)，然后將這些邊緣像素點(diǎn)按照其歸屬連成圖像區(qū)域的輪廓，最后根據(jù)這些輪廊把圖像分割成區(qū)域。但這些方法不能解決左右視圖中相同物體寬度不同的情況，并且在視頻中，后面的中貞的分割過(guò)程依賴(lài)前面頓的分割結(jié)果，所以圖像分割的誤差具有傳遞性，并且，后續(xù)立體匹配也是基于圖像分割結(jié)果的，所以現(xiàn)有方法的精度達(dá)不到要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出的一種全息視頻流的分割方法，不必針對(duì)每一幀都進(jìn)行傳統(tǒng)的圖像分割，在保持原算法分割準(zhǔn)確度的基礎(chǔ)上，極大的提高了圖像分割的速度。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種全息視頻流的分割方法，設(shè)某段視頻流一共有n幀，即F₁，F(xiàn)₂，……F_n，而對(duì)某一幀F(xiàn)_i進(jìn)行圖像分割，得到分割區(qū)域S_i1，S_i2，……S_im，令圖像分割過(guò)程為Seg(x)，求相似度函數(shù)為Sim(x，y)，相似度閾值為V，鄰幀相關(guān)性變換為{T_k(x)}，k＝1，2，……，27，具體分割步驟如下：

第一步，對(duì)幀F(xiàn)_i進(jìn)行基于均值漂移算法的圖像分割，得到圖像分割區(qū)域，即{S_ij}＝Seg(F_i)，其中j＝l，2，…，m；

第二步，對(duì)得到的圖像分割區(qū)域{S_ij}，j＝l，2，…，m，進(jìn)行識(shí)別和注冊(cè)，并進(jìn)入下一幀F(xiàn)_i+1的處理過(guò)程；

第三步，算出此幀F(xiàn)_i+1與上一幀F(xiàn)_i的相似度SI＝Sim(F_i，F(xiàn)_i+1)，若相似度的大于等于給的定閾值SI＝V則進(jìn)入下一步，否則返回第一步；

第四步，對(duì)第二步中注冊(cè)的每個(gè)圖像分割區(qū)域S_ij，進(jìn)相關(guān)性變換{T_k(S_ij)}，k＝1，2，……，27，然后將變換結(jié)果與本幀F(xiàn)_i+1相同位置的區(qū)域進(jìn)行相似度計(jì)算，相似度最大的變換結(jié)果對(duì)應(yīng)的本幀區(qū)域則為幀F(xiàn)_i+1的分割區(qū)域，即S_i+1j，當(dāng)所有的分割區(qū)域都進(jìn)行完以上處理，最后得到了本幀F(xiàn)_i+1的圖像分割結(jié)果{S_i+1j}，j＝l，2，…，m；

第五步，判斷視頻流是否結(jié)束即i>n，若未結(jié)束，返回第二步，否則推出。

本發(fā)明通過(guò)提供一種全息視頻流的分割方法，其有益效果在于：圖像分割是基于像素色彩進(jìn)行的，并且解決了左右視圖中相同物體寬度不同的情況，不必針對(duì)每一幀都進(jìn)行傳統(tǒng)的圖像分割，在保持原算法分割準(zhǔn)確度的基礎(chǔ)上，極大的提高了圖像分割的速度。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明全息視頻流的分割方法流程圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本實(shí)施例提供的一種全息視頻流的分割方法，設(shè)某段視頻流一共有n幀，即F₁，F(xiàn)₂，……F_n，而對(duì)某一幀F(xiàn)_i進(jìn)行圖像分割，得到分割區(qū)域S_i1，S_i2，……S_im，令圖像分割過(guò)程為Seg(x)，求相似度函數(shù)為Sim(x，y)，相似度閾值為V，鄰幀相關(guān)性變換為{T_k(x)}，k＝1，2，……，27，具體分割步驟如下：

第一步，對(duì)幀F(xiàn)_i進(jìn)行基于均值漂移算法的圖像分割，得到圖像分割區(qū)域，即{S_ij}＝Seg(F_i)，其中j＝l，2，…，m；

第二步，對(duì)得到的圖像分割區(qū)域{S_ij}，j＝l，2，…，m，進(jìn)行識(shí)別和注冊(cè)，并進(jìn)入下一幀F(xiàn)_i+1的處理過(guò)程；

第三步，算出此幀F(xiàn)_i+1與上一幀F(xiàn)_i的相似度SI＝Sim(F_i，F(xiàn)_i+1)，若相似度的大于等于給的定閾值SI＝V則進(jìn)入下一步，否則返回第一步；

第四步，對(duì)第二步中注冊(cè)的每個(gè)圖像分割區(qū)域S_ij，進(jìn)相關(guān)性變換{T_k(S_ij)}，k＝1，2，……，27，然后將變換結(jié)果與本幀F(xiàn)_i+1相同位置的區(qū)域進(jìn)行相似度計(jì)算，相似度最大的變換結(jié)果對(duì)應(yīng)的本幀區(qū)域則為幀F(xiàn)_i+1的分割區(qū)域，即S_i+1j，當(dāng)所有的分割區(qū)域都進(jìn)行完以上處理，最后得到了本幀F(xiàn)_i+1的圖像分割結(jié)果{S_i+1j}，j＝l，2，…，m；

第五步，判斷視頻流是否結(jié)束即i>n，若未結(jié)束，返回第二步，否則推出。

以上對(duì)視頻流的圖像分割過(guò)程可用如圖1所示的流程圖描述。

本發(fā)明通過(guò)提供一種全息視頻流的分割方法，圖像分割是基于像素色彩進(jìn)行的，并且解決了左右視圖中相同物體寬度不同的情況，不必針對(duì)每一幀都進(jìn)行傳統(tǒng)的圖像分割，在保持原算法分割準(zhǔn)確度的基礎(chǔ)上，極大的提高了圖像分割的速度。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。