分类模型创建方法、图像分割方法及相关装置制造方法及图纸

本公开实施例公开了一种分类模型创建方法、图像分割方法及装置，所述分类模型创建方法采用前景像素点的位置先验模型和颜色似然模型得到分类模型，利用所述分类模型能够自动确定图像中的前景样本像素点和背景样本像素点，用户不必执行指定前景和背景的操作，从而实现图像分割过程的自动化。而且，本公开的分类模型创建方法结合了前景像素点的空间位置信息及颜色特征信息，根据前景像素点的空间位置信息能够排除一些与前景像素点的颜色相同但不是前景的像素点，因此能够提高分割精度。

【技术实现步骤摘要】
分类模型创建方法、图像分割方法及相关装置
本公开涉及图像处理
，特别是涉及一种图像分割方法及相关装置。
技术介绍
图像分割是图像分析的关键步骤，利用创建的分类模型对图像中的像素点进行划 分，得到若干个特定的、具有独特性质的区域，并从若干个区域中提取出目标的过程。 相关技术中的图像分割方法中的分类模型，不知道图像中的哪些像素点是前景像 素点（即，目标像素点），哪些像素点是背景像素点（即，非目标像素点）。因此，需要用户 指定图像中的前景像素点和背景像素点。然后，再根据前景像素点和背景像素点的颜色特 征向量，分别对前景和背景进行颜色建模，最后采用颜色模型对图像进行分割，最终得到前 景分割结果。此种分类模型必须由用户先选取图像中的前景和背景的样本像素点，依赖于 用户的操作，不是完全自动对图像进行分割。而且，此种分割方法的分类模型只考虑到了图 像像素的颜色特征，完全没有考虑其它信息，分割时参考的信息单一，导致分割精度较低。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种分类模型创建方法、图像分割方 法及相关装置。 为了解决上述技术问题，本公开实施例公开了如下技术方案： 根据本公开实施例的第一方面，提供一种分类模型创建方法，用于对图像进行分 害!]，所述方法包括： 根据前景像素点与预设特征之间的位置关系，对样本图像训练得到前景像素点的 位置先验模型； 根据所述前景像素点的位置先验模型，从样本图像中选取前景样本像素点和背景 样本像素点； 根据所述前景样本像素点训练得到前景像素点的颜色似然模型，以及根据所述背 景样本像素点训练得到背景像素点的颜色似然模型； 根据所述前景像素点的位置先验模型、所述前景像素点的颜色似然模型以及所述 背景像素点的颜色似然模型，得到图像的分类模型，所述分类模型用于确定待分割图像的 前景像素点和背景像素点。 结合第一方面，在第一方面的第一种可能的实现方式中，所述根据前景像素点与 预设特征之间的位置关系，对样本图像训练得到前景像素点的位置先验模型，采用如下方 式： 对全部的样本图像根据所述预设特征进行定位； 根据定位结果，对样本图像进行归一化； 计算归一化后的样本图像中的任意像素点是前景像素点的概率，得到前景像素点 的位置先验模型。 结合第一方面，在第一方面的第二种可能的实现方式中，根据所述前景样本像素 点训练得到前景像素点的颜色似然模型，采用如下方式： 根据颜色间的相似性，将前景样本像素点进行聚类，得到各个聚类结果的聚类中 心像素点； 根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之 间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权 重，获取所述前景样本像素点对应的颜色特征向量的概率分布信息，得到所述前景像素点 的颜色似然模型。 结合第一方面，在第一方面的第三种可能的实现方式中，所述根据所述背景样本 像素点训练得到背景像素点的颜色似然模型，采用如下方式： 根据颜色间的相似性，将背景样本像素点进行聚类，得到各个聚类结果的聚类中 心像素点； 根据背景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之 间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权 重，获取所述背景样本像素点对应的颜色特征向量的概率分布信息，得到所述背景像素点 的颜色似然模型。 结合第一方面的第二种可能的实现方式，在第一方面的第四种可能的实现方式 中，所述根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之间 的距离，以及，聚类中心像素点的权重，获取所述前景样本像素点对应的颜色特征向量分布 信息，得到所述前景像素点的颜色似然模型，采用如下方式： 获取各个聚类中心像素点的颜色特征向量之间的距离的平均值； 根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之 间的距离与所述距离的平均值的商，以及所述聚类中心像素点的权重，利用相应的似然函 数，计算得到所述前景像素点的颜色似然模型。 结合第一方面，在第一方面的第五种可能的实现方式中，根据所述前景像素点的 位置先验模型、所述前景像素点的颜色似然模型以及所述背景像素点的颜色似然模型，得 到图像的分类模型，采用如下方式： 获取前景像素点的位置先验模型与前景像素点的颜色似然模型的乘积，得到前景 分类模型； 根据前景像素点的位置先验模型得到背景像素点的位置先验模型； 获取背景像素点的位置先验模型与背景像素点的颜色似然模型的乘积，得到背景 分类模型。 根据本公开实施例的第二方面，提供一种图像分割方法，包括： 利用上述的任一种分类模型创建方法得到的分类模型，确定待分割图像中的全部 前景像素点和背景像素点； 将所述待分割图像中全部的前景像素点所在的区域作为分割结果。 根据本公开实施例的第三方面，提供一种分类模型创建装置，用于对图像进行分 害I]，所述装置包括： 位置先验模型建立单元，用于根据前景像素点与预设特征之间的位置关系，对样 本图像训练得到前景像素点的位置先验模型； 样本像素点提取单元，用于根据所述前景像素点的位置先验模型，从样本图像中 选取前景样本像素点和背景样本像素点； 第一似然模型训练单元，用于根据所述前景样本像素点训练得到前景像素点的颜 色似然模型； 第二似然模型训练单元，用于根据所述背景样本像素点训练得到背景像素点的颜 色似然模型； 分类模型确定单元，用于根据所述前景像素点的位置先验模型、所述前景像素点 的颜色似然模型以及所述背景像素点的颜色似然模型，得到图像的分类模型，所述分类模 型用于确定待分割图像的前景像素点和背景像素点。 结合第三方面，在第三方面的第一种可能的实现方式中，所述位置先验模型建立 单元包括： 图像定位子单元，用于对全部的样本图像根据所述预设特征进行定位； 归一化子单元，用于根据定位结果，对样本图像进行归一化； 第一计算子单元，用于计算归一化后的样本图像中的任意像素点是前景像素点的 概率，得到前景像素点的位置先验模型。 结合第三方面，在第三方面的第二种可能的实现方式中，所述第一颜色似然模型 训练单元包括： 第一聚类子单元，用于根据颜色间的相似性，将前景样本像素点进行聚类，得到各 个聚类结果的聚类中心像素点； 第一获取子单元，用于根据前景样本像素点的颜色特征向量到各个聚类中心像素 点的颜色特征向量之间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚 类中心像素点的权重，获取所述前景样本像素点对应的颜色特征向量的概率分布信息，得 到所述前景像素点的颜色似然模型。 结合第三方面，在第三方面的第三种可能的实现方式中，所述第二颜色似然模型 训练单元包括： 第二聚类子单元，用于根据颜色间的相似性，将背景样本像素点进行聚类，得到各 个聚类结果的聚类中心像素点； 第二获取子单元，用于根据背景样本像素点的颜色特征向量到各个聚类中心像素 点的颜色特征向量之间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚 本文档来自技高网...

【技术保护点】
一种分类模型创建方法，用于对图像进行分割，其特征在于，所述方法包括：根据前景像素点与预设特征之间的位置关系，对样本图像训练得到前景像素点的位置先验模型；根据所述前景像素点的位置先验模型，从样本图像中选取前景样本像素点和背景样本像素点；根据所述前景样本像素点训练得到前景像素点的颜色似然模型，以及根据所述背景样本像素点训练得到背景像素点的颜色似然模型；根据所述前景像素点的位置先验模型、所述前景像素点的颜色似然模型以及所述背景像素点的颜色似然模型，得到图像的分类模型，所述分类模型用于确定待分割图像的前景像素点和背景像素点。

【技术特征摘要】
1. 一种分类模型创建方法，用于对图像进行分割，其特征在于，所述方法包括： 根据前景像素点与预设特征之间的位置关系，对样本图像训练得到前景像素点的位置 先验模型； 根据所述前景像素点的位置先验模型，从样本图像中选取前景样本像素点和背景样本 像素点； 根据所述前景样本像素点训练得到前景像素点的颜色似然模型，以及根据所述背景样 本像素点训练得到背景像素点的颜色似然模型； 根据所述前景像素点的位置先验模型、所述前景像素点的颜色似然模型以及所述背景 像素点的颜色似然模型，得到图像的分类模型，所述分类模型用于确定待分割图像的前景 像素点和背景像素点。2. 根据权利要求1所述的方法，其特征在于，所述根据前景像素点与预设特征之间的 位置关系，对样本图像训练得到前景像素点的位置先验模型，采用如下方式： 对全部的样本图像根据所述预设特征进行定位； 根据定位结果，对样本图像进行归一化； 计算归一化后的样本图像中的任意像素点是前景像素点的概率，得到前景像素点的位 置先验模型。3. 根据权利要求1所述的方法，其特征在于，根据所述前景样本像素点训练得到前景 像素点的颜色似然模型，采用如下方式： 根据颜色间的相似性，将前景样本像素点进行聚类，得到各个聚类结果的聚类中心像 素点； 根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之间的 距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权重，获 取所述前景样本像素点对应的颜色特征向量的概率分布信息，得到所述前景像素点的颜色 似然模型。4. 根据权利要求1所述的方法，其特征在于，所述根据所述背景样本像素点训练得到 背景像素点的颜色似然模型，采用如下方式： 根据颜色间的相似性，将背景样本像素点进行聚类，得到各个聚类结果的聚类中心像 素点； 根据背景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之间的 距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权重，获 取所述背景样本像素点对应的颜色特征向量的概率分布信息，得到所述背景像素点的颜色 似然模型。5. 根据权利要求3所述的方法，其特征在于，所述根据前景样本像素点的颜色特征向 量到各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权重，获取 所述前景样本像素点对应的颜色特征向量分布信息，得到所述前景像素点的颜色似然模 型，采用如下方式： 获取各个聚类中心像素点的颜色特征向量之间的距离的平均值； 根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之间的 距离与所述距离的平均值的商，以及所述聚类中心像素点的权重，利用相应的似然函数，计 算得到所述前景像素点的颜色似然模型。6. 根据权利要求1所述的方法，其特征在于，根据所述前景像素点的位置先验模型、 所述前景像素点的颜色似然模型以及所述背景像素点的颜色似然模型，得到图像的分类模 型，采用如下方式： 获取前景像素点的位置先验模型与前景像素点的颜色似然模型的乘积，得到前景分类 模型； 根据前景像素点的位置先验模型得到背景像素点的位置先验模型； 获取背景像素点的位置先验模型与背景像素点的颜色似然模型的乘积，得到背景分类 模型。7. -种图像分割方法，其特征在于，包括： 利用权利要求1-6任一项方法得到的分类模型，确定待分割图像中的全部前景像素点 和背景像素点； 将所述待分割图像中全部的前景像素点所在的区域作为分割结果。8. -种分类模型创建装置，用于对图像进行分割，其特征在于，所述装置包括： 位置先验模型建立单元，用于根据前景像素点与预设特征之间的位置关系，对样本图 像训练得到前景像素点的位置先验模型； 样本像素点提取单元，用于根据所述前景像素点的位置先验模型，从样本图像中选取 前景样本像素点和背景样本像素点； 第一似然模型训练单元，用于根据所述前景样本像素点训练得到前景像素点的颜色似 然模型； 第二似然模型训练单元，用于根据所...

【专利技术属性】
技术研发人员：王琳，臧虎，陈志军，
申请(专利权)人：小米科技有限责任公司，
类型：发明
国别省市：北京;11