[發(fā)明專利]一種實(shí)現(xiàn)交互式圖像分割的方法、裝置及終端

有效

• 申請(qǐng)?zhí)枺?/td>: 201710004574.X
• 申請(qǐng)日: 2017-01-04
• 公開(kāi)（公告）號(hào): CN106898001B
• 公開(kāi)（公告）日: 2020-04-14
• 發(fā)明（設(shè)計(jì)）人: 梁舟
• 申請(qǐng)（專利權(quán)）人: 努比亞技術(shù)有限公司
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/136;G06T7/143;G06T7/194
• 代理公司: 北京安信方達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11262
• 代理人: 胡艷華;栗若木

本文公開(kāi)了一種實(shí)現(xiàn)交互式圖像分割的方法、裝置及終端。所述方法包括：構(gòu)造包含涂抹軌跡的幾何圖形并擴(kuò)展形成標(biāo)記區(qū)，確定包含標(biāo)記區(qū)的感興趣區(qū)域；生成圖像分割算法的輸入掩模圖：將標(biāo)記區(qū)中像素作為掩模圖中的前景點(diǎn)，將感興趣區(qū)域中標(biāo)記區(qū)外的像素作為掩模圖中的背景點(diǎn)；根據(jù)彩色圖和掩模圖確定各個(gè)像素的第一分割參數(shù)，根據(jù)深度圖和掩模圖確定各個(gè)像素的第二分割參數(shù)，對(duì)兩種分割參數(shù)進(jìn)行融合；將每個(gè)像素融合后的分割參數(shù)映射到無(wú)向圖中，根據(jù)最小割?最大流算法對(duì)無(wú)向圖進(jìn)行處理獲得精細(xì)分割后的掩模圖，從彩色圖中分割出精細(xì)分割后的掩模圖中前景點(diǎn)對(duì)應(yīng)的圖像。本文能縮短算法的運(yùn)行時(shí)間，結(jié)合圖像的深度信息改善圖像分割的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種實(shí)現(xiàn)交互式圖像分割的方法、裝置及終端。

背景技術(shù)

圖像分割，是指將平面圖像依照顏色、紋理、形狀等特征將其劃分為互不相連的若干區(qū)域，這是圖像處理領(lǐng)域的一項(xiàng)實(shí)用的基礎(chǔ)技術(shù)。現(xiàn)有的圖像分割技術(shù)有基于閾值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法、基于能量泛函的分割方法、基于圖論的分割方法等。其中在圖論方法里比較知名的有GraphCut算法及其改進(jìn)版本GrabCut算法。

GraphCut算法及其改進(jìn)版本GrabCut算法，是基于區(qū)域標(biāo)注的交互式圖像分割方法。GraphCut算法是基于馬爾可夫隨機(jī)場(chǎng)(Markov Random Field,MRF)能量最小化框架的一種算法，優(yōu)點(diǎn)在于可以結(jié)合多種理論知識(shí)進(jìn)行全局最優(yōu)求解。GrabCut算法是對(duì)GraphCut算法的改進(jìn)，GrabCut算法通過(guò)在原始圖像上標(biāo)注出前景點(diǎn)(要提取的目標(biāo)對(duì)象上的點(diǎn))和背景點(diǎn)生成掩模圖，利用原圖和掩模圖對(duì)前景、背景顏色空間建立高斯混合模型(GaussianMixture Model，GMM)，利用GMM參數(shù)學(xué)習(xí)、估計(jì)過(guò)程中可進(jìn)化的迭代算法完成能量最小化，判決出圖像中的前景點(diǎn)和背景點(diǎn)，從原圖中提取出由前景點(diǎn)像素組成的目標(biāo)圖像。

在手機(jī)上使用GrabCut算法進(jìn)行圖像分割時(shí)，為了降低交互的復(fù)雜性，通常對(duì)用戶如何標(biāo)記不做嚴(yán)格要求，因此，在用戶標(biāo)記的前景點(diǎn)較少的情況下迭代次數(shù)可能很多，算法運(yùn)行時(shí)間較長(zhǎng)，影響了用戶的體驗(yàn)。另一方面，相關(guān)技術(shù)中的GrabCut算法是基于彩色圖像進(jìn)行圖像分割的，當(dāng)要提取的目標(biāo)對(duì)象的顏色特征并不明顯時(shí)，利用彩色圖進(jìn)行分割的分割效果并不理想。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種實(shí)現(xiàn)交互式圖像分割的方法、裝置及終端，能夠縮短算法的運(yùn)行時(shí)間，結(jié)合圖像的深度信息改善圖像分割的效果。

本發(fā)明實(shí)施例提供了一種實(shí)現(xiàn)交互式圖像分割的方法，包括：

檢測(cè)到原始圖像上的涂抹軌跡后，構(gòu)造包含所述涂抹軌跡的幾何圖形并對(duì)所述幾何圖形進(jìn)行擴(kuò)展形成標(biāo)記區(qū)，確定包含所述涂抹軌跡的一塊區(qū)域作為感興趣區(qū)域，所述感興趣區(qū)域包含所述標(biāo)記區(qū)；生成圖像分割算法的輸入掩模圖：將所述標(biāo)記區(qū)中所有的像素作為所述掩模圖中的前景點(diǎn)，將所述感興趣區(qū)域中標(biāo)記區(qū)外的像素作為所述掩模圖中的背景點(diǎn)；

獲取包含目標(biāo)對(duì)象顏色信息的彩色圖和包含目標(biāo)對(duì)象深度信息的深度圖，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個(gè)像素的第一分割參數(shù)，根據(jù)所述深度圖和掩模圖確定所述掩模圖上各個(gè)像素的第二分割參數(shù)，所述第一分割參數(shù)和第二分割參數(shù)用于表示像素判決為前景點(diǎn)或背景點(diǎn)的概率以及所述像素與相鄰像素的數(shù)值差異；將所述第一分割參數(shù)與所述第二分割參數(shù)進(jìn)行融合；

構(gòu)建無(wú)向圖，將所述掩模圖中的每一個(gè)像素的融合后的分割參數(shù)映射到所述無(wú)向圖中，根據(jù)最小割-最大流算法對(duì)所述無(wú)向圖進(jìn)行處理，獲得精細(xì)分割后的掩模圖；

從所述彩色圖中分割出所述精細(xì)分割后的掩模圖中前景點(diǎn)對(duì)應(yīng)的圖像。

可選地，根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個(gè)像素的第一分割參數(shù)，包括：根據(jù)所述彩色圖和掩模圖確定所述掩模圖上各個(gè)像素的第一區(qū)域項(xiàng)分割參數(shù)：