[發(fā)明專利]一種權(quán)重自動(dòng)選擇的圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310238264.6
• 申請(qǐng)日: 2013-06-17
• 公開（公告）號(hào): CN103310452A
• 公開（公告）日: 2013-09-18
• 發(fā)明（設(shè)計(jì)）人: 馬偉;劉倞;段立娟
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺、計(jì)算機(jī)圖形學(xué)和圖像處理等交叉領(lǐng)域，涉及一種權(quán)重自動(dòng)選擇的交互式圖像分割方法。

背景技術(shù)

圖像分割具有廣泛應(yīng)用。在影視制作方面，可以將分割出的人物前景與新的背景融合，實(shí)現(xiàn)高驚險(xiǎn)動(dòng)作的合成，如墜落懸崖等；在軍事領(lǐng)域，圖像分割可用于獲取雷達(dá)圖像中的目標(biāo)以便進(jìn)行針對(duì)性分析；在醫(yī)學(xué)領(lǐng)域，對(duì)組織器官(如膀胱、腎臟等)掃描圖像進(jìn)行分割，用于治療分析；在交通監(jiān)控方面，把目標(biāo)車輛從背景中分割出來并進(jìn)行目標(biāo)檢測(cè)、識(shí)別與跟蹤。

當(dāng)前基于圖割算法的交互式圖像分割方法，例如Yin?Li等人于2004年在《ACM?Transactions?on?Graphics》上發(fā)表的論文“l(fā)azy?snapping”，以及Jiangyu?Liu等人于2009年在《ACM?Transactions?on?Graphics》上發(fā)表的論文“paint?selection”等，均需要用戶交互式指定少量前、背景像素（或過分割后的超像素），用以建立前、背景的顏色分布。然后，建立能量函數(shù)。函數(shù)中包含顏色約束和梯度約束。現(xiàn)有方法中，用于調(diào)節(jié)顏色約束與梯度約束的權(quán)重對(duì)于所有待分割圖像都是固定的。然而，在很多圖像中，前、背景顏色分布重疊很大，又或者目標(biāo)物的邊緣梯度不夠明顯，現(xiàn)有方法中固定的權(quán)重不能靈活應(yīng)對(duì)這些變動(dòng)的情況。

發(fā)明內(nèi)容

鑒于目前圖像分割方法中采用固定權(quán)重的局限性，本發(fā)明力圖探索能夠根據(jù)實(shí)際需求自動(dòng)選擇權(quán)重來調(diào)節(jié)顏色和梯度約束的方法，實(shí)現(xiàn)提高分割過程智能化的目的。

為實(shí)現(xiàn)這個(gè)目標(biāo)，本發(fā)明的技術(shù)方案為：用戶通過應(yīng)用程序的用戶接口，交互式指定部分前、背景像素。然后，建立指定部分前、背景的顏色模型。接著，構(gòu)造圖和對(duì)應(yīng)的能量函數(shù)，能量函數(shù)中包含在圖中每個(gè)節(jié)點(diǎn)處定義的顏色約束和梯度約束以及調(diào)節(jié)二者的權(quán)值。圖的節(jié)點(diǎn)可以是圖像的像素，也可以是過分割原圖像后的超像素。之后，本發(fā)明通過在圖的每個(gè)節(jié)點(diǎn)處衡量顏色約束和梯度約束的有效性，確立該節(jié)點(diǎn)處的權(quán)值。最后，采用圖割算法求解函數(shù)最小值，得到分割結(jié)果。若用戶對(duì)分割結(jié)果不滿意可以再次進(jìn)行前背景線索的添加，流程重復(fù)循環(huán)執(zhí)行，直至得到滿意的分割效果，流程結(jié)束。

與現(xiàn)有技術(shù)相比，本發(fā)明的創(chuàng)新在于：首次提出權(quán)值自動(dòng)選擇的分割方法。該方法為圖的每個(gè)節(jié)點(diǎn)自動(dòng)選擇權(quán)值，以平衡該節(jié)點(diǎn)處的梯度約束和顏色約束。相比傳統(tǒng)固定權(quán)值的方法，在同樣的交互量的前提下，分割效果更好。

附圖說明

圖1為本發(fā)明所涉及方法的流程圖；

圖2為本發(fā)明應(yīng)用實(shí)例實(shí)驗(yàn)結(jié)果：(a)列為輸入的圖像以及本發(fā)明所用的前背景線索(深色線條為前景，淺色線條為背景)，(b)列為采用本發(fā)明所提出的自動(dòng)權(quán)值選擇的方法得到的分割結(jié)果，(c)列是采用固定權(quán)值的方法得到的分割結(jié)果。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明做進(jìn)一步說明。

本發(fā)明的流程如圖1所示，具體包括如下步驟：

步驟一，添加前、背景線索。

讀入圖像后，用戶通過所設(shè)計(jì)的界面指定部分前背景。本發(fā)明的圖例中（如圖2(a)），采用Yin?Li等人于2004年在《ACM?Transactions?on?Graphics》上發(fā)表的論文“l(fā)azy?snapping”中用到的方式，即通過鼠標(biāo)、觸摸屏或者手寫筆等輸入設(shè)備，通過在圖像上勾畫不同顏色的線條指定部分前、背景像素。如圖2(a)列所示，深色線條覆蓋的像素屬于前景，淺色線條覆蓋的像素屬于背景。但本發(fā)明的后續(xù)步驟對(duì)于該步驟中所用的前背景像素指定方式并無限制，其它方式亦可使用，例如Daniel?Freedman等人于2005年在《IEEE?Conference?on?Computer?Vision?and?Pattern?Recognition》上發(fā)表的論文“Interactive?Graph?Cut?Based?Segmentation?With?Shape?Priors”中，采用圓點(diǎn)指定部分前景，用方塊指定部分背景。

步驟二，定義前、背景顏色模型。

用F表示指定的前景像素集合，B表示指定的背景像素集合。本發(fā)明采用Yin?Li等人于2004年在《ACM?Transactions?on?Graphics》上發(fā)表的論文“l(fā)azy?snapping”中的方法建立前景與背景的顏色模型，即利用K-means聚類方法，對(duì)F與B中的像素或超像素顏色值分別進(jìn)行聚類，得到前、背景的顏色統(tǒng)計(jì)模型。前景模型表示為N個(gè)前景類簇背景模型表示為M個(gè)背景類簇本發(fā)明建議N=M=64。