本发明涉及一种基于多尺度组合特征凸优化的复杂目标动态场景无监督分割方法,属于图像处理和计算机视觉技术领域。
本发明首先提取小波域高尺度目标特征,并计算运动和空域边缘响应,将小波域、空域和时域边缘特征融合,得到多尺度组合概率边缘响应。然后,建立组合边缘内部映射权重总变分能量泛函模型,利用交替方向计算权重总变分泛函模型的凸优化。据此,定义超像素尺度空时马尔科夫随机场的一元能量函数项和二元空域能量函数。最后,通过图切分一步迭代推理,得到图像序列的后验概率分割结果。
本发明能够有效地将外观颜色不一致且形状随时间发生变化的复杂目标从动态场景中分割出来。
| 专利名称 | 一种基于多尺度组合特征凸优化的复杂目标动态场景无监督分割方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610261547.6 |
| 申请号 | - | 专利申请日期 | 2016-04-26 |
| 专利授权日期 | 2016-08-17 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 张印辉;何自芬;伍星;张云生;王森 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明涉及一种基于多尺度组合特征凸优化的复杂目标动态场景无监督分割方法,属于图像处理和计算机视觉技术领域。本发明首先提取小波域高尺度目标特征,并计算运动和空域边缘响应,将小波域、空域和时域边缘特征融合得到多尺度组合概率边缘响应,然后建立组合边缘内部映射权重总变分能量泛函模型,利用交替方向计算权重总变分泛函模型凸优化,并据此定义超像素尺度空时马尔科夫随机场的一元能量函数项和二元空域能量函数,最后通过图切分一步迭代推理得到图像序列的后验概率分割结果。本发明能够有效的将外观颜色不一致且形状随时间发生变化的复杂目标从动态场景中分割出来。 | ||