1.一种基于决策层融合的无纹理场景区域分割方法，其特征在于，包括如下步骤：

步骤S1，获取视频某一图像帧中每一个像素点对应的色调特征值，并根据所述色调特征值对所述某一图像帧进行关于色调的第一场景区域分割处理；

步骤S2，通过并行计算模式，同步地获取所述某一图像帧中每一个像素点对应的综合轮廓特征值，并根据所述综合轮廓特征值对所述某一图像帧进行关于轮廓的第二场景区域分割处理；

步骤S3，通过并行计算模式，同步地获取所述某一图像帧中每一个像素点对应的近期动态性特征值，并根据所述近期动态性特征值对所述某一图像帧进行关于动态性的第三场景区域分割处理；

步骤S4，对所述第一场景区域分割处理、所述第二场景区域分割处理和所述第三场景区域分割处理各自的分割结果进行决策层融合处理，以生成关于所述某一图像帧的综合场景区域分割结果。

2.如权利要求1所述的基于决策层融合的无纹理场景区域分割方法，其特征在于：

在所述步骤S1中，获取视频某一图像帧中每一个像素点对应的色调特征值，并根据所述色调特征值对所述某一图像帧进行关于色调的第一场景区域分割处理具体包括，步骤S101，对所述某一图像帧进行从RGB颜色空间到HSI颜色空间的转换处理，其中，色调H的取值范围为[0°，360°]，饱和度S和强度I的取值范围均为[0，1]；

步骤S102，将所述色调H对应的域值划分为如下6个子集：H1＝[30°，90°)、H2＝[90°，

150°)、H3＝[150°，210°)、H4＝[210°，270°)、H5＝[270°，330°)和H6＝[330°，360°]∪[0°，

30°)，以将所述某一图像帧对应的像素点进行关于所述6个子集的分类处理；

步骤S103，根据所述分类处理的结果，将所述某一图像帧的每一个像素点进行归一化与量化处理，以获得每一个像素点对应的色调特征H(i,j)|t，其中，所述色调特征值H(i,j)|t的计算结果如下式(1)在所述式(1)中，H(i,j)|t表示所述某一图像帧在坐标(i，j)处的像素点的色调特征值；

步骤S104，对所述某一图像帧中所有像素点的色调特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

步骤S105，将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于色调的第一场景区域分割处理。

3.如权利要求1所述的基于决策层融合的无纹理场景区域分割方法，其特征在于：

在所述步骤S2中，获取所述某一图像帧的每一个像素点的综合轮廓特征值，并根据所述综合轮廓特征值对所述某一图像帧进行关于轮廓的第二场景区域分割处理具体包括，步骤S201，通过Hough变换算法计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第一轮廓特征值shough(i,j)|t，其中，所述第一轮廓特征值shough(i,j)|t满足下面式(2)步骤S202，通过Canny算子计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第二轮廓特征值scanny(i，j)︱t，其中，所述第二轮廓特征值scanny(i，j)︱t满足下面式(3)步骤S203，通过Isotropic Sobel算子计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第三轮廓特征值ssobel(i,j)|t，其中，所述第三轮廓特征值ssobel(i,j)|t满足下面式(4)步骤S204，根据下面式(5)，对所述第一轮廓特征值shough(i,j)|t、所述第二轮廓特征值scanny(i，j)︱t和所述第三轮廓特征值ssobel(i,j)|t进行求交集运算处理，以得到综合轮廓特征值S(i,j)|t步骤S205，对所述某一图像帧的所有像素点的综合轮廓特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

步骤S206，将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于纹理的第三场景区域分割处理。

4.如权利要求1所述的基于决策层融合的无纹理场景区域分割方法，其特征在于：

在所述步骤S3中，通过并行计算模式，同步地获取所述某一图像帧中每一个像素点对应的近期动态性特征值，并根据所述近期动态性特征值对所述某一图像帧进行关于动态性的第三场景区域分割处理具体包括，步骤S301，于HSI颜色空间的I通道，构建关于某一图像帧中每一个像素点的混合高斯背景模型GMM；

步骤S302，在所述I通道上，统计每一个像素点对应的显著性强度值变化的次数，其中，所述显著性强度值变化是指像素点的强度值变化幅度超出其对应的混合高斯背景模型GMM所限定的强度值正常变化范围；

步骤S303，在所述I通道上，根据下面式(6)，获取每一个像素点的近期动态性特征值在上述式(6)中， 为在I通道上从某一图像帧k到另一某一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的次数，D(i,j)|t为在I通道上从某一图像帧k到另一某一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的频率，D(i,j)|t为在I通道上处于坐标(i，j)处的像素点对应的近期动态性特征值，并且满足100≤t-k≤20000；

步骤S304，对某一图像帧中所有像素点的近期动态性特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

步骤S305，将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于动态性的第三场景区域分割处理。

5.如权利要求1所述的基于决策层融合的无纹理场景区域分割方法，其特征在于：

在所述步骤S4中，对所述第一场景区域分割处理的、所述第二场景区域分割处理和所述第三场景区域分割处理各自的分割结果进行决策层融合处理，以生成关于所述某一图像帧的综合场景区域分割结果具体包括，步骤S401，将所述第一场景区域分割处理、所述第二场景区域分割处理和所述第三场景区域分割处理各自的分割结果进行逻辑“与”运算，以得到所述决策层融合处理的结果；

步骤S402，根据所述决策层融合处理的结果，生成关于所述某一图像帧中每一个像素点的类别号的三维向量C(i,j)|t，以作为所述综合场景区域分割结果，其中，所述三维向量C(i,j)|t的具体形式如下式(7)C(i,j)|t＝(CH(i,j)|t,CS(i,j)|t,CD(i,j)|t)    (7)在上述式(7)中，CH(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第一场景区域分割处理结果的类别号，CS(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第二场景区域分割处理结果的类别号，CD(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第三场景区域分割处理结果的类别号，其中所述某一图像帧中具有相同类别号的像素点隶属于同一场景区域。

6.一种基于决策层融合的无纹理场景区域分割装置，其特征在于，所述装置包括：

第一特征值获取模块，其用于获取视频某一图像帧中每一个像素点对应的色调特征值；

第二特征值获取模块，其用于获取所述某一图像帧中每一个像素点对应的综合轮廓特征值；

第三特征值获取模块，其用于获取所述某一图像帧中每一个像素点对应的近期动态性特征值；

第一场景区域分割模块，其用于根据所述色调特征值对所述某一图像帧进行关于色调的第一场景区域分割处理；

第二场景区域分割模块，其用于根据所述综合轮廓特征值对所述某一图像帧进行关于轮廓的第二场景区域分割处理；

第三场景区域分割模块，其用于根据所述近期动态性特征值对所述某一图像帧进行关于动态性的第三场景区域分割处理；

综合场景区域分割结果生成模块，其用于对所述第一场景区域分割处理的、所述第二场景区域分割处理和所述第三场景区域分割处理各自的分割结果进行决策层融合处理，以生成关于所述某一图像帧的综合场景区域分割结果。

7.如权利要求1所述的基于决策层融合的无纹理场景区域分割装置，其特征在于：

所述第一特征值获取模块包括颜色空间转换子模块，色调子集划分子模块和色调量化子模块；其中，所述颜色空间转换子模块用于对所述某一图像帧进行从RGB颜色空间到HSI颜色空间的转换处理；

所述色调子集划分子模块用于将所述HSI颜色空间中色调H对应的域值划分为六个子集H1、H2、H3、H4、H5和H6；

所述色调量化子模块用于根据所述六个子集H1、H2、H3、H4、H5和H6各自的域值对所述某一图像帧的每一个像素点进行归一化与量化处理，以获得每一个像素点对应的色调特征值H(i,j)|t，其中，所述色调特征值H(i,j)|t的计算结果如下式(1)在所述式(1)中，H(i,j)|t表示所述某一图像帧在坐标(i，j)处的像素点的色调特征值，并且H1＝[30°，90°)、H2＝[90°，150°)、H3＝[150°，210°)、H4＝[210°，270°)、H5＝[270°，

330°)和H6＝[330°，360°]∪[0°，30°)；

所述第一场景区域分割模块包括第一聚类分析子模块和第一像素点划分子模块；其中，

所述第一聚类分析子模块用于对所述某一图像帧中所有像素点的色调特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

所述第一像素点划分子模块用于将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于色调的第一场景区域分割处理。

8.如权利要求1所述的基于决策层融合的无纹理场景区域分割装置，其特征在于：

所述第二特征值获取子模块包括第一轮廓特征值获取子模块、第二轮廓特征值获取子模块、第三轮廓特征值获取子模块和综合轮廓特征值获取子模块；其中，所述第一轮廓特征值获取子模块通过Hough变换算法计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第一轮廓特征值shough(i,j)|t，其中，所述第一轮廓特征值shough(i,j)|t满足下面式(2)所述第二轮廓特征值获取子模块用于通过Canny算子计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第二轮廓特征值scanny(i，j)︱t，其中，所述第二轮廓特征值scanny(i，j)︱t满足下面式(3)所述第三轮廓特征值获取子模块用于通过Isotropic Sobel算子计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第三轮廓特征值ssobel(i,j)|t，其中，所述第三轮廓特征值ssobel(i,j)|t满足下面式(4)所述综合轮廓特征值获取子模块用于根据下面式(5)，对所述第一轮廓特征值shough(i,j)|t、所述第二轮廓特征值scanny(i，j)︱t和所述第三轮廓特征值ssobel(i,j)|t进行求交集运算处理，以得到综合轮廓特征值S(i,j)|t所述第二场景区域分割模块包括第二聚类分析子模块和第二像素点划分子模块；其中，

所述第二聚类分析子模块用于对所述某一图像帧的所有像素点的综合轮廓特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

所述第二像素点划分子模块用于将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于轮廓的第二场景区域分割处理。

9.如权利要求1所述的基于决策层融合的无纹理场景区域分割装置，其特征在于：

所述第三特征值获取模块包括背景模型构建子模块、强度值变化统计子模块和近期动态值计算子模块；其中，所述背景模型构建子模块用于在HSI颜色空间的I通道中，构建关于某一图像帧中每一个像素点的混合高斯背景模型GMM；

所述强度值变化统计子模块用于在所述I通道上，统计每一个像素点对应的显著性强度值变化的次数，其中，所述显著性强度值变化是指像素点的强度值变化幅度超出其对应的混合高斯背景模型GMM所限定的强度值正常变化范围；

所述近期动态值计算子模块用于在所述I通道上，根据下面式(6)计算每一个像素点的近期动态性特征值在上述式(6)中， 为在I通道上从某一图像帧k到另一某一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的次数，D(i,j)|t为在I通道上从某一图像帧k到另一某一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的频率，D(i,j)|t为在I通道上处于坐标(i，j)处的像素点对应的近期动态性特征值，并且满足100≤t-k≤20000；

所述第三场景区域分割模块包括第三聚类分析子模块和第三像素点划分子模块；其中，

所述第三聚类分析子模块用于对某一图像帧中所有像素点的近期动态性特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

所述第三像素点划分子模块用于将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于动态性的第三场景区域分割处理。

10.如权利要求1所述的基于决策层融合的无纹理场景区域分割装置，其特征在于所述综合场景区域分割结果生成模块包括决策层融合处理子模块和三维向量生成子模块；其中，所述决策层融合处理子模块用于将所述第一场景区域分割处理、所述第二场景区域分割处理和所述第三场景区域分割处理各自的分割结果进行逻辑“与”运算，以得到所述决策层融合处理的结果；

所述三维向量生成子模块用于根据所述决策层融合处理的结果，生成关于所述某一图像帧中每一个像素点的类别号的三维向量C(i,j)|t，以作为所述综合场景区域分割结果，其中，所述三维向量C(i,j)|t的具体形式如下式(7)

C(i,j)|t＝(CH(i,j)|t,CS(i,j)|t,CD(i,j)|t)  (7)在上述式(7)中，CH(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第一场景区域分割处理结果的类别号，CS(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第二场景区域分割处理结果的类别号，CD(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第三场景区域分割处理结果的类别号，其中所述某一图像帧中具有相同类别号的像素点隶属于同一场景区域。