• / 39
  • 下載費用:20 金幣  

一種實現交互式圖像分割的方法、裝置及終端.pdf

摘要
申請專利號:

CN201710005362.3

申請日:

2017.01.04

公開號:

CN106886999A

公開日:

2017.06.23

當前法律狀態:

實審

有效性:

審中

法律詳情: 實質審查的生效IPC(主分類):G06T 7/11申請日:20170104|||公開
IPC分類號: G06T7/11(2017.01)I; G06T7/194(2017.01)I; G06T7/136(2017.01)I 主分類號: G06T7/11
申請人: 努比亞技術有限公司
發明人: 梁舟
地址: 518000 廣東省深圳市南山區高新區北環大道9018號大族創新大廈A區6-8層、10-11層、B區6層、C區6-10層
優先權:
專利代理機構: 北京安信方達知識產權代理有限公司 11262 代理人: 胡艷華;栗若木
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201710005362.3

授權公告號:

|||

法律狀態公告日:

2017.09.15|||2017.06.23

法律狀態類型:

實質審查的生效|||公開

摘要

本文公開了實現交互式圖像分割的方法、裝置及終端。所述方法包括:將涂抹軌跡作為骨架生長成標記區,確定包含標記區的感興趣區域,生成圖像分割算法的輸入掩模圖:將標記區中像素作為掩模圖中前景點,將感興趣區域中標記區外的像素作為掩模圖中背景點;根據彩色圖和掩模圖確定各個像素的第一分割參數,根據深度圖和掩模圖確定各個像素的第二分割參數,對兩種分割參數進行融合;將每一個像素的融合后的分割參數映射到無向圖中,根據最小割??最大流算法對所述無向圖進行處理獲得精細分割后的掩模圖,從彩色圖中分割出所述精細分割后的掩模圖中前景點對應的圖像。本文能縮短算法的運行時間,結合圖像的深度信息改善圖像分割的效果。

權利要求書

1.一種實現交互式圖像分割的方法,包括:
檢測到原始圖像上的涂抹軌跡后,將所述涂抹軌跡作為骨架生長成標記區,確定包含
所述涂抹軌跡的一塊區域作為感興趣區域,所述感興趣區域包含所述標記區,生成圖像分
割算法的輸入掩模圖:將所述標記區中所有的像素作為所述掩模圖中的前景點,將所述感
興趣區域中標記區外的像素作為所述掩模圖中的背景點;
獲取包含目標對象顏色信息的彩色圖和包含目標對象深度信息的深度圖,根據所述彩
色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數,根據所述深度圖和掩模圖確定
所述掩模圖上各個像素的第二分割參數,所述第一分割參數和第二分割參數用于表示像素
判決為前景點或背景點的概率以及所述像素與相鄰像素的數值差異;將所述第一分割參數
與所述第二分割參數進行融合;
構建無向圖,將所述掩模圖中的每一個像素的融合后的分割參數映射到所述無向圖
中,根據最小割-最大流算法對所述無向圖進行處理,獲得精細分割后的掩模圖;
從所述彩色圖中分割出所述精細分割后的掩模圖中前景點對應的圖像。
2.根據權利要求1所述的方法,其特征在于:
根據所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數,包括:根據所
述彩色圖和掩模圖確定所述掩模圖上各個像素的第一區域項分割參數:
按EM方法進行高斯混合模型GMM計算,所述EM方法包括E步驟和M步驟;迭代運行E步驟
和M步驟,在所述迭代運行達到收斂條件后停止所述迭代過程;將最后一次執行M步驟獲得
的所述像素的分類確定為所述像素的分類,將最后一次執行M步驟獲得的所述像素歸屬于
某個簇的最大概率值Pmax確定為所述像素的第一區域項分割參數,所述第一區域項分割參
數是所述像素基于所述彩色圖判決為前景點或背景點的概率;
其中,所述E步驟和M步驟分別包括以下處理:
E步驟:根據所述掩模圖上各個像素的顏色值以及像素之間的位置關系通過聚簇將同
種類型的像素聚成一個或多個簇,確定各個簇的GMM模型;其中,像素的分類包括前景點或
背景點;簇的分類包括前景點簇或背景點簇;
M步驟:根據各個簇的GMM模型確定每一個像素歸屬于各個簇的概率,對任意一個像素,
根據所述像素的最大概率值Pmax對應的簇確定所述像素的分類;
根據所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數,還包括:根據
所述深度圖和掩模圖確定所述掩模圖上各個像素的第二區域項分割參數:
按EM方法進行高斯混合模型GMM計算,所述EM方法包括E步驟和M步驟;迭代運行E步驟
和M步驟,在所述迭代運行達到收斂條件后停止所述迭代過程;將最后一次執行M步驟獲得
的所述像素的分類確定為所述像素的分類,將最后一次執行M步驟獲得的所述像素歸屬于
某個簇的最大概率值Pmax確定為所述像素的第二區域項分割參數,所述第二區域項分割參
數是所述像素基于所述深度圖判決為前景點或背景點的概率;
其中,所述E步驟和M步驟分別包括以下處理:
E步驟:根據所述掩模圖上各個像素的深度值以及像素之間的位置關系通過聚簇將同
種類型的像素聚成一個或多個簇,確定各個簇的GMM模型;其中,像素的分類包括前景點或
背景點;簇的分類包括前景點簇或背景點簇;
M步驟:根據各個簇的GMM模型確定每一個像素歸屬于各個簇的概率,對任意一個像素,
根據所述像素的最大概率值Pmax對應的簇確定所述像素的分類。
3.根據權利要求2所述的方法,其特征在于:
根據所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參數,還包括:根據
所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一邊界項分割參數:
根據所述像素與相鄰像素的顏色差異確定所述像素的第一邊界項分割參數;
其中,對任意一個像素,將RGB三個顏色通道上所述像素與鄰近的各個像素之間的數值
差值絕對值進行累加,再對累加和進行歸一化處理,得到歸一化后的累加和作為所述像素
的第一邊界項分割參數;
根據所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數,還包括:根據
所述深度圖和掩模圖確定所述掩模圖上各個像素的第二邊界項分割參數:
根據所述像素與相鄰像素的深度值差異確定所述像素的第二邊界項分割參數;
其中,對任意一個像素,將所述像素與鄰近的各個像素之間的深度值差值絕對值進行
累加,再對累加和進行歸一化處理,得到歸一化后的累加和作為所述像素的第二邊界項分
割參數。
4.根據權利要求3所述的方法,其特征在于:
將所述第一分割參數與所述第二分割參數進行融合,包括:將所述第一區域項分割參
數與所述第二區域項分割參數進行融合:
對任意一個像素,將所述第一區域項分割參數乘以權重(1-a)得到調整后的第一區域
項分割參數,將所述第二區域項分割參數乘以權重a得到調整后的第二區域項分割參數;
如果所述第一區域項分割參數指示的像素分類與所述第二區域項分割參數指示的像
素分類相同,則將所述調整后的第一區域項分割參數與所述調整后的第二區域項分割參數
相加的和作為融合后的區域項分割參數;
如果所述第一區域項分割參數指示的像素分類與所述第二區域項分割參數指示的像
素分類不相同,則將所述調整后的第一區域項分割參數與所述調整后的第二區域項分割參
數中數值較大者指示的像素分類作為所述像素的最終分類,將所述調整后的第一區域項分
割參數與所述調整后的第二區域項分割參數的差值的絕對值作為融合后的區域項分割參
數;
將所述第一分割參數與所述第二分割參數進行融合,還包括:將所述第一邊界項分割
參數與所述第二邊界項分割參數進行融合:
將所述第一邊界項分割參數乘以權重(1-a)得到調整后的第一邊界項分割參數,將所
述第二邊界項分割參數乘以權重a得到調整后的第二邊界項分割參數,然后將所述調整后
的第一邊界項分割參數與所述調整后的第二邊界項分割參數相加得到所述像素的融合后
的邊界項分割參數;a大于或等于0且小于或等于1。
5.根據權利要求4所述的方法,其特征在于:
所述權重a根據自評價參數k1和一致性參數k2進行確定:將自評價參數k1和一致性參
數k2的積作為權重a;
其中,自評價參數k1采用以下方式進行確定:根據像素的深度值確定像素對應的拍攝
距離的遠近程度,根據所述拍攝距離的遠近程度設置自評價參數k1,所述拍攝距離越近,自
評價參數k1設置得越大;k1大于或等于0且小于或等于1;
其中,所述一致性參數k2采用以下方式進行確定:
如果所述第一邊界項分割參數與所述第二邊界項分割參數相等,則設置一致性參數k2
為第一常數;
如果所述第一邊界項分割參數與所述第二邊界項分割參數不相等,在所述第一邊界項
分割參數與所述第二邊界項分割參數同時大于閾值或同時小于閾值時,設置一致性參數k2
為第一常數;在所述第一邊界項分割參數與所述第二邊界項分割參數不同時大于閾值或不
同時小于閾值時,設置一致性參數k2為第二常數;所述第一常數大于所述第二常數;所述第
一常數大于0且小于或等于1,所述第二常數大于0且小于1。
6.根據權利要求1所述的方法,其特征在于:
構建無向圖并將所述掩模圖中的每一個像素的融合后的分割參數映射到所述無向圖
中,包括:
構建一個無向圖,在所述無向圖的平面外設置兩個懸空點Q0和Q1,所述懸空點Q0為虛擬
前景點,所述懸空點Q1為虛擬背景點;在所述無向圖的平面上建立所述掩模圖上各個像素
的映射點,在前景點的映射點與所述懸空點Q0之間建立連線,在背景點的映射點與所述懸
空點Q1之間建立連線;
對掩模圖中的任意一個像素Pi,將所述像素Pi的融合后的區域項分割參數作為所述無
向圖中映射點P′i的權值,將所述像素Pi的融合后的邊界項分割參數作為所述無向圖中映射
點P′i與懸空點Q0或Q1之間連線的權值;
根據最小割-最大流算法對所述無向圖進行處理,獲得精細分割后的掩模圖,包括:
迭代執行以下C步驟和D步驟,在迭代運行達到收斂條件后停止迭代過程,將所述前景
點集合Q中的各個像素作為精細分割后的掩模圖中的前景點;
其中,C步驟和D步驟分別包括以下處理:
C步驟:將無向圖中的一部分像素劃分為與懸空點Q0同類的前景點,由劃分為前景點的
像素構成前景點集合Q;
D步驟:計算所述前景點集合Q的權值總和,所述權值總和是所述前景點集合Q中所有前
景點的權值和,再加上所述前景點集合Q中所有前景點與懸空點Q0之間連線的權值和;
其中,所述收斂條件是前景點集合Q的權值總和小于閾值且變化趨于穩定。
7.根據權利要求1所述的方法,其特征在于:
所述將所述涂抹軌跡作為骨架生長成標記區,確定包含所述涂抹軌跡的一塊區域作為
感興趣區域,包括:
獲取原始圖像的邊緣梯度信息,從所述涂抹軌跡的像素中選取部分像素作為種子,每
一個種子根據圖像的邊緣梯度信息分別向外生長形成一個子區域,所有的種子向外生長形
成的子區域合并后形成一個擴展區域,將所述擴展區域作為標記區;
根據所述涂抹軌跡的形狀特點套用幾何形狀模板,根據所述幾何形狀模板生成包含所
述涂抹軌跡的感興趣區域,如果所述感興趣區域沒有包含所述標記區,則將所述感興趣區
域擴展至包含所述標記區;或者對所述標記區進行膨脹處理形成感興趣區域。
8.根據權利要求7所述的方法,其特征在于:
所述每一個種子根據圖像的邊緣梯度信息向外生長形成一個子區域,包括對每一個種
子執行下述步驟A-F:
步驟A:將所述種子作為起始點,為所述起始點設置能量值,將所述起始點標記為活動
點;
步驟B:判斷當前是否存在標記為活動點的像素,是則執行步驟C,否則執行步驟F;
步驟C:對任意一個標記為活動點的像素A,判斷所述像素A的上、下、左、右四個相鄰點
中是否存在未檢查過的像素B,是則執行步驟D,否則執行步驟E;
步驟D:對任意一個未檢查過的像素B,如果所述像素B滿足生長條件,則將所述像素B標
記為新的活動點,將所述像素B的能量值設置為像素A的能量值減去像素B的邊緣梯度值得
到的差值,返回步驟C;如果所述像素B不滿足生長條件,則返回步驟C;其中,所述生長條件
是:所述像素B的邊緣梯度值小于或等于所述像素A的能量值;
步驟E:判定所述像素A已經完成生長,去除所述像素A的活動點標記,將所述像素A歸入
前景點集合,返回步驟B;
步驟F:由所述前景點集合中的所有像素構成的子區域是所述種子根據圖像的邊緣梯
度信息向外生長形成的子區域。
9.一種實現交互式圖像分割的裝置,包括:
預處理模塊,用于檢測到原始圖像上的涂抹軌跡后,將所述涂抹軌跡作為骨架生長成
標記區,確定包含所述涂抹軌跡的一塊區域作為感興趣區域,所述感興趣區域包含所述標
記區,生成圖像分割算法的輸入掩模圖:將所述標記區中所有的像素作為所述掩模圖中的
前景點,將所述感興趣區域中標記區外的像素作為所述掩模圖中的背景點;
分割參數計算及融合模塊,用于獲取包含目標對象顏色信息的彩色圖和包含目標對象
深度信息的深度圖,根據所述彩色圖和掩模圖確定所述掩模圖上各個像素的第一分割參
數,根據所述深度圖和掩模圖確定所述掩模圖上各個像素的第二分割參數,所述第一分割
參數和第二分割參數用于表示像素判決為前景點或背景點的概率以及所述像素與相鄰像
素的數值差異;將所述第一分割參數與所述第二分割參數進行融合;
掩模圖調整模塊,用于構建無向圖,將所述掩模圖中的每一個像素的融合后的分割參
數映射到所述無向圖中,根據最小割-最大流算法對所述無向圖進行處理,獲得精細分割后
的掩模圖;
輸出模塊,用于從所述彩色圖中分割出所述精細分割后的掩模圖中前景點對應的圖
像。
10.一種終端,包括上述權利要求9所述的實現交互式圖像分割的裝置。

關 鍵 詞:
一種 實現 交互式 圖像 分割 方法 裝置 終端
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
0條評論

還可以輸入200字符

暫無評論,趕快搶占沙發吧。

關于本文
本文標題:一種實現交互式圖像分割的方法、裝置及終端.pdf
鏈接地址:http://www.rgyfuv.icu/p-6086756.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
山东11选5中奖结果走势图