基于光流法与水平集方法运动对象分割.pdf

基于光流法与水平集方法的运动对象分割 郑春艳，潘振宽，魏伟波 青岛大学信息工程学院，山东青岛（266071 ） E-mail：yanzi602@ 摘 要: 分析了经典的Horn-Schunck 光流计算模型、水平集方法与Chan-Vese 分割模型的原 理，提出了一种基于光流法与水平集方法相结合的运动对象分割算法，目的在于根据图像序 列或视频图像中两帧图片信息分割出具有不同运动信息的运动对象。该算法将Horn-Schunck 光流模型结合到 Chan-Vese 分割模型中，从而使水平集根据不同对象的不同光流场进行演 化，最终分割出不同的运动对象。本文详细介绍了两相运动分割与两个水平集的多相运动对 象分割能量函数及其计算方法，并进行了相关实验。实验结果表明：该算法能较好地实现图 像序列的运动对象分割。 关键词 光流，Chan-Vese 模型，水平集方法，运动对象分割 中图分类号：TP391.41 1．引言 图像序列中的运动对象分割是计算机视觉和高层次图像分析的基础,许多与图像处理、 视频压缩、模式识别等相关的应用都依赖于运动对象分割。运动对象分割的主要目标是把图 像序列或视频,按照一定的标准分割出具有意义的运动对象实体，在视频监控、视频压缩编 码、交通管理、军事技术、航空航天等领域都有着广泛的应用。 运动对象分割算法一般分为基于帧内分割算法和基于帧间分割算法两大类[1] 。基于帧内 的分割算法一般采用传统的图像分割算法,按照一定的信息分割图像中的一致性区域，但它 们的计算量比较大。基于帧间的分割算法一般根据时域信息分割运动对象，如背景差法可以 对一个场景中的运动对象进行分割[2]，但它只适用于背景已知的情况；贝叶斯概率统计算法 是另一种常用的运动分割算法，例如Cremers基于贝叶斯概率统计计算的光流场进行运动对 象分割[3]，但它分割的光流场为分段常值光流场。 本文提出了一种基于帧间的运动对象分割算法，将经典的Horn-Schunck光流模型与水平 集方法及Chan-Vese分割模型相结合，根据光流模型计算的光流场表现出的不同运动对象信 息分割图像序列中的运动对象，该模型不仅能够分割光流场为分段常值的情况，而且由于 H-S光流模型得到的光流场为稠密光滑的，还可以分割光流场为分段光滑的情况。 本文结构为：第2部分介绍经典的Horn-Schunck光流基本模型。第3部分介绍水平集方法 与Chan-Vese分割模型基础以及本文采用的水平集函数重新初始化方法。第4部分结合2 ，3 部分提出了一种运动对象分割的方法，并分别给出两相与多相运动对象分割计算过程；第5 部分给出模型的实验结果；第6部分总结全文。 2 ．Horn-Schunck光流计算模型 [4] Ω⊂2 1981年，Horn和Schunck提出了经典的光流计算能量模型 。设 为矩形图像区域， f x ,y ,t : Ω×→为灰度值图像序列。其中， x , y 为矩形图像中像素点的位置，t ∈ 0,T ( ) ( ) [ ] 表示时间，f (x ,y ,t ) 即为在t 时刻图像序列上(x, y ) 处的图像灰度值。 假定物体在运动过程中，亮度始终保持不变，即图像序列中运动对象在每一像素点的灰 度值在运动过程中保持不变。根据在t 时刻与t +1 时刻两帧之间的亮度常值假设可以表示为： f (x +u 1,y +u 2 ,t +1) −f (x ,y ,t ) 0 (1) -1- 这样对于 和u 的约束是非线性且隐式显示。假定位移很小且光