一种基于超像素的主动轮廓跟踪方法

1.一种基于超像素的主动轮廓跟踪方法，其特征在于，包括以下步骤：
S1：将训练图像分为目标和背景两部分，进行超像素分割，提取每个超像素的特征向量，构建目标训练样本池Tobj和背景训练样本池Tbac；
S2：根据训练样本采用测度学习方法得到距离测度的投影矩阵L，投影矩阵L每隔m,m≥1帧测试图像更新一次；
S3：根据训练样本池和距离测度的投影矩阵L，构建基于超像素的判别式表观模型，其中每个超像素的置信分数 的计算公式为：
其中P(sp|obj)和P(sp|bac)分别表示超像素sp属于目标类obj和背景类bac的似然概率，采用非参数的核密度估计方法得到；
S4：在当前帧测试图像中选定包括目标在内的一个局部区域，对该局部区域进行超像素分割，超像素数量记为N，提取得到每个超像素spk,1≤k≤N的特征向量fk；根据步骤S3中的置信分数计算公式计算每个超像素的置信分数 得到测试图像的置信图；
S5：根据步骤S4中得到的置信图构建测试图像的速度场
其中，(i,j)表示测试图像中像素的坐标；
S6：将步骤S5中得到的测试图像的速度场 代入水平集方法的进化方程，将上一帧测试图像的轮廓跟踪结果作为初始值进行轮廓进化，得到目标的轮廓跟踪结果；
S7：根据步骤S6中的得到的轮廓跟踪结果，将目标和背景的超像素分别放入对应的训练样本池中对训练样本池进行更新，返回步骤S1重新构建目标训练样本池Tobj和背景训练样本池Tbac。
2.根据权利要求1所述的主动轮廓跟踪方法，其特征在于，所述步骤S2中测度学习方法为大边缘最近邻LMNN测度学习方法。
3.根据权利要求1所述的主动轮廓跟踪方法，其特征在于，所述步骤S4中局部区域的选定方法为：在第一帧测试图像选定局部区域时，手动指定目标的初始轮廓，根据初始轮廓确定局部区域；后续每一帧测试图像根据上一帧测试图像的轮廓跟踪结果确定局部区域。
4.根据权利要求1所述的主动轮廓跟踪方法，其特征在于，所述步骤S6中进化方程为：
其中Φt是第t次迭代的水平集函数，Φt-1是第t-1次迭代的水平集函数，水平集函数的初始函数Φ0是上一帧测试图像的轮廓跟踪结果的水平集函数，Δt是预设的迭代步长，Fcurv＝εκ是只跟轮廓曲率κ相关的内部进化速度，ε是预设的常数。
5.根据权利要求1至4任一所述的主动轮廓跟踪方法，其特征在于，所述步骤S7中训练样本池在更新时采用队列方式进行更新，新增样本排在队列末端，当样本数量超过预设的队列长度，删除队列前端的旧样本。

暂无