图像分割方法及装置与流程

本公开涉及计算机技术领域，尤其涉及一种图像分割方法及装置。

背景技术：

图像分割是将具有相似颜色、纹理等特征的像素归为一类。例如，视频图像中运动目标的分割是考虑各像素的时空间信息，将具有相近运动模式且外观特征相似的区域划分为一类。视频图像中运动目标的分割是许多计算机视觉应用的基础，因此，得到了广泛关注。

然而，相关技术中，对视频图像中运动目标的分割方法多引入了较多的假设条件，且计算过程繁琐，具有耗时长、鲁棒性低等问题。

技术实现要素：

有鉴于此，本公开提出了一种图像分割方法及装置，以解决运动目标分割耗时长、鲁棒性低的问题。

根据本公开的一方面，提供了一种图像分割方法，所述方法包括：

根据多帧图像的特征，确定所述多帧图像中待分割图像的初始背景区域；

根据所述初始背景区域，确定适应于背景区域的基础矩阵；

根据所述背景区域的基础矩阵，确定所述待分割图像的初始前景区域；

根据所述初始前景区域，对所述待分割图像进行处理，确定所述待分割图像的分割结果，

其中，所述分割结果包括最终分割出的前景区域和背景区域。

对于上述方法，在一种可能的实现方式中，根据所述初始背景区域，确定背景区域的基础矩阵，包括：

利用核密度估计对所述初始背景区域进行处理，确定与所述初始背景区域相对应的光流场的密度图；

根据所述密度图，确定所述初始背景区域中产生刚体运动的刚体区域；

确定与所述刚体区域相对应的初始基础矩阵；

基于所述初始基础矩阵，确定适应于所述背景区域的基础矩阵。

对于上述方法，在一种可能的实现方式中，所述基于所述初始基础矩阵，确定适应于所述背景区域的基础矩阵，包括：

根据所述初始基础矩阵对所述待分割图像的像素点进行处理，确定满足所述初始基础矩阵的像素点；

基于满足所述初始基础矩阵的像素点，确定适应于所述背景区域的基础矩阵。

对于上述方法，在一种可能的实现方式中，利用所述基础矩阵，确定所述图像的初始前景区域，包括：

确定所述待分割图像的像素点针对所述基础矩阵的辛普森距离；

将辛普森距离大于或等于第一阈值的像素点所处的区域确定为所述初始前景区域。

对于上述方法，在一种可能的实现方式中，所述方法还包括：

根据所述多帧图像之间的光流场，确定所述光流场的显著性地图；

根据所述多帧图像的显著性地图以及所述光流场的显著性地图，确定所述多帧图像的特征。

根据本公开的另一方面，提供了一种图像分割装置，所述装置包括：

初始背景区域确定模块，用于根据多帧图像的特征，确定所述多帧图像中待分割图像的初始背景区域；

基础矩阵确定模块，用于根据所述初始背景区域，确定适应于背景区域的基础矩阵；

初始前景区域确定模块，用于根据所述背景区域的基础矩阵，确定所述待分割图像的初始前景区域；

分割结果确定模块，用于根据所述初始前景区域，对所述待分割图像进行处理，确定所述待分割图像的分割结果，

其中，所述分割结果包括最终分割出的前景区域和背景区域。

对于以上装置，在一种可能的实现方式中，所述基础矩阵确定模块包括：

密度图确定子模块，用于利用核密度估计对所述初始背景区域进行处理，确定与所述初始背景区域相对应的光流场的密度图；

刚体区域确定子模块，用于利用核密度估计对所述初始背景区域进行处理，确定与所述初始背景区域相对应的光流场的密度图；

初始基础矩阵确定子模块，用于确定与所述刚体区域相对应的初始基础矩阵；

基础矩阵确定子模块，用于基于所述初始基础矩阵，确定适应于所述背景区域的基础矩阵。

对于以上装置，在一种可能的实现方式中，所述基础矩阵确定子模块包括：

像素点确定子模块，用于根据所述初始基础矩阵对所述待分割图像的像素点进行处理，确定满足所述初始基础矩阵的像素点；

基础矩阵确定子单元，用于基于满足所述初始基础矩阵的像素点，确定适应于所述背景区域的基础矩阵。

对于以上装置，在一种可能的实现方式中，所述初始前景区域确定模块包括：

辛普森距离确定子模块，用于确定所述待分割图像的像素点针对所述基础矩阵的辛普森距离；

初始前景区域确定子模块，用于将辛普森距离大于或等于第一阈值的像素点所处的区域确定为所述初始前景区域。

对于以上装置，在一种可能的实现方式中，所述装置还包括：

显著性地图确定模块，用于根据所述多帧图像之间的光流场，确定所述光流场的显著性地图；

特征确定模块，用于，根据所述多帧图像的显著性地图以及所述光流场的显著性地图，确定所述多帧图像的特征。

根据本公开的另一方面，提供了一种图像分割装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。

根据本公开实施例，通过根据多帧图像的特征，确定待分割图像的初始背景区域，根据该初始背景区域，确定适应于背景区域的基础矩阵，根据该基础矩阵确定待分割图像的初始前景区域，并对该待分割图像进行处理，确定待分割图像的分割结果，从而实现一种较快速、准确度较高的图像分割方法。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的图像分割方法的流程图。

图2示出根据本公开一实施例的图像分割方法的流程图。

图3示出根据本公开一实施例的图像分割方法的步骤s12的流程图。

图4示出根据本公开一实施例的图像分割方法的流程图。

图5a、图5b、图5c、图5d、图5e和图5f分别是根据一示例性实施例示出的一种图像分割方法的应用场景的示意图。

图6a、图6b、图6c以及图6d分别是根据一示例性实施例示出的一种图像分割方法的应用场景的示意图。

图7是根据一示例性实施例示出的一种图像分割装置的框图。

图8是根据一示例性实施例示出的一种图像分割装置的框图。

图9是根据一示例性实施例示出的一种图像分割装置的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开一实施例的图像分割方法的流程图。该方法可应用于终端设备中，例如，计算机等。如图1所示，根据本公开实施例的图像分割方法包括：

在步骤s11中，根据多帧图像的特征，确定所述多帧图像中待分割图像的初始背景区域；

在步骤s12中，根据所述初始背景区域，确定适应于背景区域的基础矩阵；

在步骤s13中，根据所述背景区域的基础矩阵，确定所述待分割图像的初始前景区域；

在步骤s14中，根据所述初始前景区域，对所述待分割图像进行处理，确定所述待分割图像的分割结果，

其中，所述分割结果包括最终分割出的前景区域和背景区域。

根据本公开实施例，通过根据多帧图像的特征，确定待分割图像的初始背景区域，根据该初始背景区域，确定适应于背景区域的基础矩阵，根据基础矩阵确定待分割图像的初始前景区域，并对待分割图像进行处理，确定待分割图像的分割结果。本公开实施例引入较少的假设条件，在前景的位置、形状、颜色以及数目等信息均未知的情况下，对图像进行分割，因此，能够处理多种复杂的场景，并且能够处理较短的视频序列，具有较强的鲁棒性。且本公开实施例通过背景区域的基础矩阵，确定初始前景区域这一过程实现速度较快，从而实现一种较快速、鲁棒性较高的图像分割方法。

举例来说，可以根据多帧图像的特征，确定该多帧图像中待分割图像的初始背景区域。例如，可以根据视频图像中相邻两帧图像的特征，确定待分割图像的初始背景区域。

图2示出根据本公开一实施例的图像分割方法的流程图。在一种可能的实现方式中，如图2所示，所述方法还包括：

在步骤s15中，根据所述多帧图像之间的光流场，确定所述光流场的显著性地图；

在步骤s16中，根据所述多帧图像的显著性地图以及所述光流场的显著性地图，确定所述多帧图像的特征。

举例来说，该终端设备可以读取视频序列，获取该视频序列中多帧图像，并计算多帧图像之间的光流场。根据多帧图像之间的光流场，确定该光流场的显著性地图。例如，可以获取该视频序列中相邻两帧图像，并计算该两帧图像之间的光流，确定该两帧图像之间的光流场。并根据该两帧图像之间的光流场，确定该光流场的显著性地图。例如，可以对该两帧图像之间的光流场进行显著性检测，确定该光流场的显著性地图。

在一种可能的实现方式中，可以根据所述多帧图像的显著性地图以及所述光流场的显著性地图，确定所述多帧图像的特征。

举例来说，可以对该多帧图像进行显著性检测，确定该多帧图像的显著性地图。例如，可以采用一种基于边界特性的背景提取方法，对相邻两帧图像进行显著性检测，从而确定该两帧图像的显著性地图。例如，可以根据先验知识(例如，背景通常靠近图像边缘，并且与图像边缘具有较大重合)来大致估计图像每个像素点属于背景的概率，确定该两帧图像的显著性地图。可以根据该两帧图像的显著性地图以及光流场的显著性地图，确定该两帧图像的特征。

通过这种方式，可以分别获取该多帧图像之间的光流场的显著性地图以及该多帧图像的显著性地图，并确定该多帧图像的特征。本领域技术人员应理解，可以采用相关技术实现计算多帧图像之间的光流场、确定光流场的显著性地图以及确定多帧图像的显著性地图，本公开对此不作限制。

在一种可能的实现方式中，可以根据多帧图像的特征，确定所述多帧图像中待分割图像的初始背景区域。

举例来说，可以根据多帧图像的显著性地图，确定出该待分割图像的第一估计背景区域。例如，如前文所述，根据边界特性的背景提取方法确定待分割图像每个像素点属于背景的概率，从而确定出该待分割图像的第一估计背景区域。可以根据多帧图像之间的光流场的显著性地图，确定出该待分割图像的第二估计背景区域。可以将根据多帧图像的显著性地图判定为背景的区域(第一估计背景区域)以及根据多帧图像之间光流场的显著性地图判定为背景的区域(第二估计背景区域)的交集，确定为多帧图像中待分割图像的初始背景区域。

在一种可能的实现方式中，可以根据所述初始背景区域，确定适应于背景区域的基础矩阵。

举例来说，如前文所述，将第一估计背景区域以及第二估计背景区域的交集，确定为多帧图像中待分割图像的初始背景区域(很小的一部分区域)。可以根据该初始背景区域，确定适应于背景区域的基础矩阵。

图3示出根据本公开一实施例的图像分割方法的步骤s12的流程图。在一种可能的实现方式中，如图3所示，步骤s12可以包括：

在步骤s121中，利用核密度估计对所述初始背景区域进行处理，确定与所述初始背景区域相对应的光流场的密度图；

在步骤s122中，根据所述密度图，确定所述初始背景区域中产生刚体运动的刚体区域；

在步骤s123中，确定与所述刚体区域相对应的初始基础矩阵；

在步骤s124中，基于所述初始基础矩阵，确定适应于所述背景区域的基础矩阵。

举例来说，视频图像中的背景可以视为铰接运动，铰接运动是整体上看是非刚体运动(变换过程中，只能保持内部距离不变的运动为非刚体运动)，但是可以分解为各个部分的刚体运动(变换过程中，保持外部距离不变的运动为刚体运动)。可见，视频图像中的背景的运动可以分解为若干个刚体运动。本公开实施例可以利用核密度估计对所述初始背景区域进行处理，确定与所述初始背景区域相对应的光流场的密度图，并根据该密度图，确定初始背景区域中产生刚体运动的刚体区域。

举例来说，可以用核密度估计对所述初始背景区域进行处理，例如，利用核密度估计来计算初始背景区域对应的光流向量附近的密度，确定与初始背景区域相对应的光流场的密度图。因为初始背景区域中同一刚体具有相近的光流，初始背景区域中同一刚体对应光流场中密度很大的区域，因此，可以根据与初始背景区域相对应的光流场的密度图，来确定初始背景区域中产生刚体运动的刚体区域。例如，可以计算该密度图的局部极大值来得到初始背景区域中产生刚体运动的数量以及对应的刚体区域。本领域技术人员应理解，可以采用相关技术实现利用核密度估计对所述初始背景区域进行处理，确定与所述初始背景区域相对应的光流场的密度图，并根据该密度图确定该初始背景区域中产生刚体运动的运动区域，本公开对此不作限制。

在一种可能的实现方式中，可以确定与所述刚体区域相对应的初始基础矩阵。

举例来说，根据密度图，可能确定该初始背景区域中产生刚体运动的刚体区域有多个，例如，有5个。可以确定与该5个刚体区域相对应的5个初始基础矩阵。其中，基础矩阵是对极几何的代数表示，两幅图像之间的对极几何是图像平面与以基线(基线是连接两台摄像装置中心的直线)为轴的平面束的交的几何。本领域技术人员应理解，可以采用相关技术确定与刚体区域相对应的初始基础矩阵，例如，8点算法、ransac算法等，只要可以确定与该刚体区域相对应的初始基础矩阵即可，本公开对此不作限制。

在一种可能的实现方式中，可以基于所述初始基础矩阵，确定适应于所述背景区域的基础矩阵。

举例来说，可以基于确定的刚体区域相对应的初始基础矩阵，确定是适应于该背景区域的基础矩阵。

在一种可能的实现方式中，步骤s124可以包括：

根据所述初始基础矩阵对所述待分割图像的像素点进行处理，确定满足所述初始基础矩阵的像素点；

基于满足所述初始基础矩阵的像素点，确定适应于所述背景区域的基础矩阵。

举例来说，可以根据与初始背景区域相对应的初始基础矩阵对该待分割图像的像素点进行处理，确定满足该初始基础矩阵的像素点。例如，可以将初始基础矩阵对该待分割图像全图进行处理，可以将符合该初始基础矩阵的该待分割图像的像素点标记为属于背景区域的像素点，将不符合该初始基础矩阵的该待分割图像的像素点标记为离群点(不属于背景区域的像素点)。当离群点的含量高于离群点阈值时，排除离群点，并循环计算该初始基础矩阵，在该离群点的含量低于离群点阈值时，基于满足该初始基础矩阵的像素点，确定适应于背景区域的基础矩阵(例如，多个基础矩阵)。

通过这种方式，可以较准确的确定适应于背景区域的基础矩阵。本领域技术人员应理解，可以采用相关技术实现根据初始基础矩阵对待分割图像的像素点进行处理，确定满足该初始基础矩阵的像素点，并基于满足该初始矩阵的像素点确定适应于该背景区域的基础矩阵，还可以采用多种方式基于初始基础矩阵，确定适应于背景区域的基础矩阵，本公开对此不作限制。

图4示出根据本公开一实施例的图像分割方法的流程图。在一种可能的实现方式中，如图4所示，步骤s13可以包括：

在步骤s131中，确定所述待分割图像的像素点针对所述基础矩阵的辛普森距离；

在步骤s132中，将辛普森距离大于或等于第一阈值的像素点所处的区域确定为所述初始前景区域。

举例来说，可以确定该待分割图像的像素点针对该基础矩阵的辛普森距离。例如，可以计算待分割图像的全部对应像素点在该基础矩阵变换下的辛普森距离sd。在辛普森距离sd大于或等于第一阈值的像素点所处的区域确定该初始前景估计。例如，可以设置sd＞0.001的像素点为离群点，将离群点所处的区域确定为该初始前景估计。

通过这种方式，根据背景区域的基础矩阵，可以较准确地、快速地确定该待分割图像的初始前景区域。本领域技术人员应理解，还可以采用其他方法根据背景区域的基础矩阵，确定该待分割图像的初始前景区域，可以采用相关技术确定该待分割图像的像素点针对该基础矩阵的辛普森距离，本公开对确定辛普森距离的方法、第一阈值的大小以及根据背景区域的基础矩阵，确定该待分割图像的初始前景区域的方式不作限制。

在一种可能的实现方式中，根据所述初始前景区域，对所述待分割图像进行处理，确定所述待分割图像的分割结果，

其中，所述分割结果包括最终分割出的前景区域和背景区域。

举例来说，在得到该初始前景区域后，可以对该待分割图像进行处理，例如可以采用高斯混合模型以及时空间连续性对待分割图像进行优化处理，确定该待分割图像的分割结果，其中，该分割结果包括最终分割出的前景区域和背景区域。

在一种可能的实现方式中，可以采用直推法对该待分割图像进行处理。举例来说，可以对该待分割图像进行超像素划分，例如，可以采用slic算法对待分割图像进行超像素划分。在进行超像素划分后，可以初始化每个超像素的标签。例如，标签可以包括3中，分别为0、1以及-1，其中0代表背景，1代表前景以及-1代表该超像素的标签无法确定。可以根据之前确定的初始前景区域对每个超像素的标签进行初始化。例如，如果某个超像素内绝大多数像素点是标签0，则该超像素的标签就可以设置为0，如果某个超像素内绝大多数像素点是标签1，则该超像素的标签就可以设置为1，如果某个超像素的标签比例都没有超过标签阈值，那么该超像素的标签就可以设置为-1。可以计算相邻超像素之间的相似性矩阵，并根据该相似性矩阵确定标签无法确定的超像素的标签，从而确定该待分割图像的分割结果。

通过这种方式，可以得到准确度较高的待分割图像的分割结果。本领域技术人员应理解，可以采用相关技术根据初始前景区域，对待分割图像进行处理，确定待分割图像的分割结果，只要可以根据初始前景区域，对待分割图像进行处理，确定待分割图像的分割结果即可，本公开对此不作限制。

需要说明的是，尽管以上述作为示例介绍了图像分割方法如上，但本领域技术人员能够理解，本公开应不限于此。

根据本公开实施例，通过根据多帧图像的特征，确定待分割图像的初始背景区域，根据该初始背景区域，确定适应于背景区域的基础矩阵，根据基础矩阵确定待分割图像的初始前景区域，并对待分割图像进行处理，确定待分割图像的分割结果，从而实现一种较快速、鲁棒性较高的图像分割方法。

应用示例1：

以下结合“对视频图像进行图像分割”作为一个示例性应用场景，给出给出根据本公开实施例的应用示例，以便于理解图像分割方法的流程。本领域技术人员应理解，以下应用示例仅仅是出于便于理解本公开实施例的目的，不应视为对本公开实施例的限制。

图5a、图5b、图5c、图5d、图5e和图5f分别是根据一示例性实施例示出的一种图像分割方法的应用场景的示意图。如图5a所示，在该应用示例中，读入相邻两帧图像序列。如图5b所示，在该应用示例中，计算相邻两帧图像之间的光流，确定相邻两帧图像之间的光流场。在该应用示例中，确定该光流场的显著性地图，以及该两帧图像的显著性地图，根据该两帧图像的显著性地图以及该光流场的显著性地图，确定该两帧图像的特征。如图5c所示，在该应用示例中，根据该两帧图像的特征，确定该两帧图像中待分割图像的初始背景区域，图5c中白色区域为初始背景区域。在该应用示例中，根据该初始背景区域，确定适应于背景区域的基础矩阵。如图5d所示，根据该背景区域的基础矩阵，确定该待分割图像的初始前景区域，图5d中白色区域为初始前景区域。如图5e、图5f所示，在该应用示例中，根据该初始前景区域，对待分割图像进行处理，确定该待分割图像的分割结果，其中，分割结果包括最终分割出的前景区域和背景区域。如图5e所示，在该应用示例中，根据光流去除错分区域，例如，在图5d中待分割图像的上方的两处白色区域为错分区域，可以根据光流去除该错分区域。如图5f所示，在该应用示例中，通过颜色和时空间相关性确定该待分割图像的分割结果，其中，白色线条圈出来的为前景区域(运动目标)，其余部分为背景区域。

根据本公开实施例，通过根据多帧图像的特征，确定待分割图像的初始背景区域，根据该初始背景区域，确定适应于背景区域的基础矩阵，根据基础矩阵确定待分割图像的初始前景区域，并对待分割图像进行处理，确定待分割图像的分割结果，从而实现一种较快速、鲁棒性较高的图像分割方法。

应用示例2：

以下结合“对视频图像进行图像分割”作为一个示例性应用场景，给出给出根据本公开实施例的应用示例，以便于理解图像分割方法的流程。本领域技术人员应理解，以下应用示例仅仅是出于便于理解本公开实施例的目的，不应视为对本公开实施例的限制。

图6a、图6b、图6c以及图6d分别是根据一示例性实施例示出的一种图像分割方法的应用场景的示意图。如图6a所示，在该应用示例中，接收待分割图像。如图6b所示，在该应用示例中，计算多帧图像之间的光流，确定多帧图像之间的光流场。在该应用示例中，根据该多帧图像的显著性地图以及该光流场的显著性地图，确定该多帧图像的特征。在该应用示例中，根据多帧图像的特征，确定多帧图像中待分割图像的初始背景区域，根据该初始背景区域，确定适应于背景区域的基础矩阵。根据该背景区域的基础矩阵，确定该待分割图像的初始前景区域。如图6c所示，在该应用示例中，确定出初始前景区域为白色部分。如图6d所示，在该应用示例中，根据该初始前景区域，对该带分割图像进行处理，确定该待分割图像的分割结果。例如，可以对该待分割图像进行超像素划分，并根据该初始前景区域，初始化每个超像素的标签。例如，如果某个超像素内绝大多数像素点是标签0，则该超像素的标签就可以设置为0(例如，该标签代表为背景)，如果某个超像素内绝大多数像素点是标签1，则该超像素的标签就可以设置为1(例如，该标签代表为前景)，如果某个超像素的标签比例都没有超过标签阈值，那么该超像素的标签就可以设置为-1(代表，该标签无法确定)。可以计算相邻超像素之间的相似性矩阵，并根据该相似性矩阵确定标签无法确定的超像素的标签，从而确定该待分割图像的分割结果。如图6d所示，在该应用示例中，通过对该待分割图像进行标签优化，得到分割结果。

图7是根据一示例性实施例示出的一种图像分割装置的框图。如图7所示，所示装置包括：

初始背景区域确定模块71，用于根据多帧图像的特征，确定所述多帧图像中待分割图像的初始背景区域；

基础矩阵确定模块72，用于根据所述初始背景区域，确定适应于背景区域的基础矩阵；

初始前景区域确定模块73，用于根据所述背景区域的基础矩阵，确定所述待分割图像的初始前景区域；

分割结果确定模块74，用于根据所述初始前景区域，对所述待分割图像进行处理，确定所述待分割图像的分割结果，

其中，所述分割结果包括最终分割出的前景区域和背景区域。

图8是根据一示例性实施例示出的一种图像分割装置的框图。如图8所示，在一种可能的实现方式中，所述基础矩阵确定模块72包括：

密度图确定子模块721，用于利用核密度估计对所述初始背景区域进行处理，确定与所述初始背景区域相对应的光流场的密度图；

刚体区域确定子模块722，用于利用核密度估计对所述初始背景区域进行处理，确定与所述初始背景区域相对应的光流场的密度图；

初始基础矩阵确定子模块723，用于确定与所述刚体区域相对应的初始基础矩阵；

基础矩阵确定子模块724，用于基于所述初始基础矩阵，确定适应于所述背景区域的基础矩阵。

在一种可能的实现方式中，所述基础矩阵确定子模块724包括：

像素点确定子模块，用于根据所述初始基础矩阵对所述待分割图像的像素点进行处理，确定满足所述初始基础矩阵的像素点；

基础矩阵确定子单元，用于基于满足所述初始基础矩阵的像素点，确定适应于所述背景区域的基础矩阵。

如图8所示，在一种可能的实现方式中，所述初始前景区域确定模块73包括：

辛普森距离确定子模块731，用于确定所述待分割图像的像素点针对所述基础矩阵的辛普森距离；

初始前景区域确定子模块732，用于将辛普森距离大于或等于第一阈值的像素点所处的区域确定为所述初始前景区域。

如图8所示，在一种可能的实现方式中，所述装置还包括：

显著性地图确定模块75，用于根据所述多帧图像之间的光流场，确定所述光流场的显著性地图；

特征确定模块76，用于根据所述多帧图像的显著性地图以及所述光流场的显著性地图，确定所述多帧图像的特征。

图9是根据一示例性实施例示出的一种图像分割装置的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图9，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。