[發明專利]基于鄰域和非鄰域平滑先驗的圖像前景精準提取方法

有效

• 申請號: 201310080379.7
• 申請日: 2013-03-13
• 公開（公告）號: CN103177446A
• 公開（公告）日: 2013-06-26
• 發明（設計）人: 陳小武;鄒冬青;趙沁平;丁峰
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京遠大卓悅知識產權代理事務所(普通合伙) 11369
• 代理人: 史霞

技術領域

本發明屬于圖像處理、計算機視覺技術領域，是一種新型的基于鄰域和非鄰域平滑先驗的圖像前景精準提取方法。

背景技術

圖像前景精準提取旨在將圖像I分解成前景F和背景B。從數學角度上講，圖像I是F和B按如下方式的線性組合：

C＝Fα+B(1-α)

其中，α定義了每一個像素的不透明度，它的取值位于[0，1]。精確的圖像提取在不同的圖像和視頻編輯應用中有很大的作用。然而，由于未知點的個數比已知方程式的個數多很多，導致該方程不可解。所以，通常采用的方法是利用用戶畫筆式交互或輸入一張黑白灰三分圖(trimap)來簡化這個問題的求解。

現在的圖像方法大致可以分為三類：基于采樣(Sampling-Based)的方法，基于相似度(Affinity-Based)的方法以及結合這兩種方法的綜合方法。

基于采樣的圖像前景精準提取同時估算一個像素點的α值和其前景色，背景色。很多方法采用不同的參數化的或非參數化的模型來對已知前景區域和背景區域的臨近像素點進行采樣。Ruzon和Tomasi假定未知像素點在前景區域邊緣的狹窄帶狀區域。后來這一方法被Chuang等人用貝葉斯框架加以擴展。這些方法在未知像素點臨近前景邊緣，同時未知像素點的個數相對比較少時效果比較好。Rhemann等人提出了一種基于測地線距離采集樣本的改進顏色模型。共享圖像前景精準提取(Shared?matting)方法沿著光線的不同方向對像素點進行采樣。總的來說，這些方法在顏色鄰域平滑的情況下有比較好的效果。

基于相似度的圖像前景精準提取，獨立于前景顏色和背景顏色解決了精準對象提取(alpha?matte)問題。泊松圖像前景精準提取方法(Poisson?matting)假定掩像(alpha?matte)的梯度與圖像的梯度是成比例的。基于隨機游走算法的圖像前景精準提取(Random?walk?matting)方法采用隨機游走算法根據相鄰顏色相似度來求解α值。基于閉合式方法的圖像前景精準提取(Closed-form?matting)方法假定鄰域窗口上的顏色線模型，通過最小化一個花費函數來解決精準對象提取(alpha?matte)問題。基于譜分析法的圖像前景精準提取(Spectral?matting)方法通過探索其與譜聚類的關系將其擴展成一個非監督的方法。拉普拉斯圖像提取與不同的數據約束，先驗或基于學習的方法結合起來以解決圖像提取問題。然而，在鄰域平滑的假設下，不足以解決復雜圖像問題。因此，我們將其與非鄰域平滑先驗結合起來提升結果。

綜合采樣和相似度的圖像前景精準提取方法在前兩類方法之間做了很好的平衡。魯棒性圖像前景精準提取(Robust?Matting)方法首先采樣具有高置信度的樣本，然后使用隨機游走算法最小化圖像前景精準提取能量。全局采樣圖像前景精準提取(Global?sampling?matting)采用來自PatchMatch算法中的隨機尋找算法來尋找全局最優樣本。

在基于閉合式方法的圖像前景精準提取(closed-form?matting)中，圖像前景精準提取的拉普拉斯算子矩陣是根據顏色線模型得到的，用來約束鄰域窗口內的精準對象提取(alpha?matte)。這種鄰域平滑先驗可以與從顏色采樣中獲得的數據集結合起來。這種平滑的先驗在只有恒定數量前景色和背景色的圖像區域內效果比較好。He等人采用廣義的Patchmatch方法提升了顏色采樣的效果。近期研究表明數據集和鄰域平滑集的組合可以產生高質量的結果。然而，在計算拉普拉斯算子矩陣的時候設置一個合適的鄰域窗口大小是不容易的。小的窗口可能不足以捕獲到結構的細節信息。另一方面，大的窗口會破壞顏色線模型，同樣導致不好的結果。

近期，陳等人提出一種流形保持編輯傳播的方法，并將其應用到了透明圖像提取中。我們觀察到這其實是一種新型精準對象提取(alpha?matte)上的非鄰域平滑先驗。它將遠處像素點的α值聯系到了一起，這與基于拉普拉斯的圖像前景精準提取(Laplacian?matting)形成了互補。當僅應用這種非鄰域的平滑先驗時，它可能捕獲不到半透明物體的鄰域結構信息。因此我們提出將這種非鄰域平滑先驗與鄰域拉普拉斯平滑先驗結合起來，然后計入一個平凡數據集。我們新型的圖像提取算法在標準測試數據集上展現了良好的性能。

發明內容

本發明的目的是提出了一種新型的基于鄰域和非鄰域平滑先驗的圖像前景精準提取方法，這種新型的方法在標準測試數據集上有良好的表現。

為完成本發明的目的，本發明采用的技術方案是：