专利名称：基于双模板匹配和边缘细化的头肩序列图像分割方法
技术领域：
本发明属于图像压缩技术领域，涉及一种基于双模板匹配和边缘细化的头肩序列图像分割方法。
背景技术：
头肩视频是在可视电话和视频会议应用中常见的典型的头肩像模型。其主要特点是1)摄象头与背景的位置相对固定，背景在图像序列中静止不动；幻背景相对简单，不包含复杂纹理特征，且与前景物体之间有较明显的灰度差别；3)图像中只包含唯一的运动对象，或相互没有交叉重叠的多个主运动对象。主运动对象内可以包含小的子运动物体，如眼睛、嘴巴，见
图1、图4，并且运动对象往往运动比较缓慢或只有局部的微小运动。虽然目前针对头肩序列分割的研究不多，但由于头肩序列是视频电话、视频会议等视频应用场合的典型序列，同时头肩序列具有其特殊的特征和运动特点，所以对其进行分割方法的研究是十分有必要的。目前，由于专门针对头肩序列进行的分割属于一种特定的应用，在实际应用中都是采用人为分割或半自动分割。Huitao Luo在2003年提出了一种基于模型的头肩序列分割算法，该算法至今都是在有关头肩分割文献中具有典型代表的算法。该算法包括两个过程初始化过程和跟踪过程。初始化过程的目的是发现头肩前景目标和建立前景模型，它的逻辑过程如图加所示，在初始阶段，背景模型被建立，当前景目标进入时，系统监测到模型的变换并分析前景的大小、速度和形状判断头肩前景的可能性；当正确的头肩前景被发现，前景模型被建立并进入到跟踪循环中。在跟踪过程中，如图2b所示，区域分割的主要步骤是像素分类、形态学滤波和斑点区域生长，每个斑点区域都使用Kalman滤波器来进行跟
S示ο下面对该算法中的几个重要环节作以介绍背景模型和前景模型头肩序列中的前景指的是头肩区域。定义每个像素的特征矢量(x，y，Y，U，V)，其中(x，y)表示像素坐标，Y，U，V分别表示像素的亮度、色度和饱和度。在典型的头肩序列中，假定镜头是静止的，并且背景不存在快速的变化。背景像素的色度分布在平面(『，V*)中属于高斯分布，这里『=~化+()，圹=￥/化+(3) (c是一个较小的常数)。定义背景像素的特征矢量的均值和方差分别为Hitl和Q。在分割过程中，模型参数Hltl通过两步不断的更新。在发现前景对象时，建立前景模型，前景模型与背景模型是一样的。建立形状模型建立形状模型需要对形状进行特征进行量化并建立概率模型。形状的快速量化设计是为了满足实时性的要求，其过程是在垂直方向前景区域被分成N个条状区域，每个条状区域的水平中心和带宽之间的距离被测量形成了 2N维数的特征矢量。根据上述量化算法，头肩形状集合Ω在整个形状集合中被看作是呈高斯分布。设其均值矢量为V，协方差矩阵为Σ，给定形状矢量为ν = ν+ν，其条件概率函数为
权利要求
1.一种基于双模板匹配和边缘细化的头肩序列图像分割方法，其特点在于，该方法按照以下步骤实施步骤1，人脸位置的确定在c;-cb肤色平面内，人的肤色分布在一个相对集中的小区域内，且基本符合高斯分布，考虑到人脸在颜色平面分布，采用贝叶斯风险决策决定人脸区域，Ri(X)是将c;-cb平面内一样点X分类为《1类的代价函数，Ρ(ω」χ)代表c;-cb平面内一点X来自COi类的后验概率，C00和C11分别是正确分类的代价权值，C01和Cltl分别是错误分类的代价权值，ω ^和Q1分别表示非肤色类和肤色类，利用贝叶斯最小风险决策公式和贝叶斯公式，可得(4)和(5)式
2.根据权利要求1所述的基于双模板匹配和边缘细化的头肩序列图像分割方法，其特点在于所述的步骤1中的参数τ的范围为1. 3-1. 6。
3.根据权利要求1所述的基于双模板匹配和边缘细化的头肩序列图像分割方法，其特点在于所述的步骤2中的人脸椭圆长轴比优选1. 5。
全文摘要
本发明公开了一种基于双模板匹配和边缘细化的头肩序列图像分割方法，该方法按照以下步骤实施步骤1，人脸位置的确定，考虑到人脸在颜色平面分布，采用贝叶斯风险决策决定人脸区域；步骤2，确定头肩区域，将头肩区域看成是两个矩形区域的组合，一个为头矩形，另一个为肩矩形，设定肩矩形宽度为头矩形宽度的3倍，采用两个矩形移动模板并以落入两个模板区域的比例作为匹配准则，从而最终确定头矩形；步骤3，边缘细化，采用Canny边缘检测算子就能够得到运动对象的精确轮廓。本发明的有益效果是，采用贝叶斯风险决策机制确定人脸位置，并采用双模板匹配算法进一步确定头肩区域，最后进行边缘的细化，该算法能够有效地对头肩序列进行分割。
文档编号G06T7/00GK102567998SQ20121000325
公开日2012年7月11日 申请日期2012年1月6日 优先权日2012年1月6日
发明者刘龙 申请人:西安理工大学