程婷婷，郭立君，黄元捷

（宁波大学信息科学与工程学院，浙江 宁波315211）

·图形图像处理·

基于鲁棒高阶条件随机场的视频自动分割

程婷婷，郭立君，黄元捷

（宁波大学信息科学与工程学院，浙江 宁波315211）

针对交互式分割方法存在用户标注繁琐和过分割现象，以及仅考虑二元项不能获得图像中准确的物体边界等问题，结合鲁棒高阶条件随机场，提出一种视频自动分割方法。采用基于超像素显著性特征的分割方法对视频初始帧进行自动分割，其结果作为初始化种子建立模型。根据颜色信息设计高斯混合模型，基于纹理、形状等特征，利用联合Boosting算法训练Jointboost强分类器模型，通过条件随机场提高分割准确度。引入基于超立体像素的高阶项，增加像素与区域的关联，提高分割边界的平滑度。实验结果表明，该方法明显地提高了分割效果。

视频自动分割；高阶势；超立体像素；条件随机场；双模型融合；特征融合

中文引用格式：程婷婷，郭立君，黄元捷.基于鲁棒高阶条件随机场的视频自动分割［J］.计算机工程，2015，41（7）：261⁃268.

英文引用格式：Cheng Tingting，Guo Lijun，Huang Yuanjie.Automatic Video Segmentation Based on Robust Higher Order Conditional Random Field［J］.Computer Engineering，2015，41（7）：261⁃268.

1 概述

视频分割在计算机视觉领域具有广泛应用，包括目标检索、视频压缩、智能监控等。近年来，视频分割迅速发展，主要分为交互式分割［1⁃4］和自动分割［5⁃7］。前者一般指根据用户手动标记的若干前景和背景像素建立模型以实现分割的方法，后者主要指基于时空特征聚类的分割方法和自动获取关键对象的分割方法。

本文提出一种基于高阶条件随机场（Conditional Random Field，CRF）的视频前景对象自动分割方法。……