一种基于生物启发运算的图像编辑优化方法技术

本发明专利技术提供的一种基于生物启发运算的图像编辑优化方法，包括以下步骤：输入原始图像，将RGB图像转换到HSV空间上，读入HSV三个分量，分别采用基于生物启发运算的PS2O优化算法得到相应的分割图，将HSV三个分量的分割结果合并得到最后的分割图；根据图像的层次关系，编辑所有层次间的偏序关系，当原有的偏序关系发生改变时，对原图像中被遮挡的层次进行轮廓填充和颜色填充。本发明专利技术的有益效果为：采用的计算方法复杂度较低，可以准确地计算图像的层次关系，并在得到层次关系的基础上进行图像编辑。

An image editing optimization method based on biologic heuristics

The invention provides a bio inspired computing image editing based on optimization method, which comprises the following steps: input the original image, convert the RGB image to HSV space, read the three components of HSV, using bio inspired computing PS2O optimization algorithm to obtain the corresponding segmentation map based on the results, the three components of HSV segmentation combined to get the final segmentation map; according to the hierarchy of image editing, partial order between all levels, when the original partial order relation is changed, the level of occluded in the original image contour filling and color filling. The beneficial effect of the invention is that the computational complexity of the method is relatively low, and the hierarchical relationship of the image can be accurately calculated, and the image is edited based on the hierarchical relationship.

【技术实现步骤摘要】
一种基于生物启发运算的图像编辑优化方法
本专利技术涉及图像处理领域，更具体地，涉及一种基于生物启发运算的图像编辑优化方法。
技术介绍
随着图像处理技术的日益成熟，图像的优化编辑方式越来越多。通过对图像进行优化编辑，不仅可以提高原有图像的显示质量，还能够提高图像的整体视觉效果。如何提取图像的层次关系目前仍然是一个很具有挑战性的问题，主流的Photoshop等图像编辑软件都不支持层次关系的自动提取，图像中的图层信息需要人们自己手工选定，非常不方便。现有的提取图像层次关系的方法都不能作为通用的技术投入使用，有的方法复杂度较高，只适合处理简单的人工图像而不利于处理复杂的自然图像；有的方法只用到了局部特征信息，可以局部判断相邻区域的遮挡关系但缺少全局偏序关系的约束；有的方法在得到正确分割区域的基础上展开研究，这对初始图像分割结果提出了很高的要求。
技术实现思路
本专利技术的目的是提供一种基于生物启发运算的图像编辑优化方法，解决上述现有技术中的一个或者是多个。本专利技术提供的一种基于生物启发运算的图像编辑优化方法，包括以下步骤：步骤1：输入原始图像，将RGB图像转换到HSV空间上，读入HSV三个分量，分别采用基于生物启发运算的PS2O优化算法得到相应的分割图，将HSV三个分量的分割结果合并得到最后的分割图；步骤2：得到若干超分割区域，提取各区域中有关层次关系的局部特征，并用局部特征进行前景-背景关系和同层合并关系的判断；步骤3：在判断结果的基础上建立一个全局能量函数，并用改进的差分进化算法求解该函数从而得到最终的层次关系；步骤4：根据图像的层次关系，编辑所有层次间的偏序关系，当原有的偏序关系发生改变时，对原图像中被遮挡的层次进行轮廓填充和颜色填充。在一些实施方式中，步骤1中所述基于生物启发运算的PS2O优化算法包括如下步骤：步骤11：初始化脉冲耦合神经网络参数；设置的基本参数；设置最大迭代次数；步骤12：对粒子个体进行解码，代入脉冲耦合神经网络标准模型，并将计算得到的图像熵值作为粒子个体的适应度函数；步骤13：启动循环操作；步骤14：更新粒子个体的位置和速度；步骤15：重复计算，直到最大迭代次数达到或满足所需的系统要求；输出相应的分割结果。本专利技术的有益效果为：采用的计算方法复杂度较低，可以准确地计算图像的层次关系，并在得到层次关系的基础上进行图像编辑。具体实施方式本专利技术提供一种基于生物启发运算的图像编辑优化方法，下面对本专利技术作详细介绍：本专利技术提供的一种基于生物启发运算的图像编辑优化方法，包括以下步骤：步骤1：输入原始图像，将RGB图像转换到HSV空间上，读入HSV三个分量，分别采用基于生物启发运算的PS2O优化算法得到相应的分割图，将HSV三个分量的分割结果合并得到最后的分割图；步骤2：得到若干超分割区域，提取各区域中有关层次关系的局部特征，并用局部特征进行前景-背景关系和同层合并关系的判断；步骤3：在判断结果的基础上建立一个全局能量函数，并用改进的差分进化算法求解该函数从而得到最终的层次关系；步骤4：根据图像的层次关系，编辑所有层次间的偏序关系，当原有的偏序关系发生改变时，对原图像中被遮挡的层次进行轮廓填充和颜色填充。在步骤1中所述基于生物启发运算的PS2O优化算法包括如下步骤：步骤11：初始化脉冲耦合神经网络参数；设置的基本参数；设置最大迭代次数；步骤12：对粒子个体进行解码，代入脉冲耦合神经网络标准模型，并将计算得到的图像熵值作为粒子个体的适应度函数；步骤13：启动循环操作；步骤14：更新粒子个体的位置和速度；步骤15：重复计算，直到最大迭代次数达到或满足所需的系统要求；输出相应的分割结果。以上所述的仅是本专利技术的一些实施方式。对于本领域的普通技术人员来说，在不脱离本专利技术创造构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
一种基于生物启发运算的图像编辑优化方法，其特征在于，包括以下步骤：步骤1：输入原始图像，将RGB图像转换到HSV空间上，读入HSV三个分量，分别采用基于生物启发运算的PS

【技术特征摘要】
1.一种基于生物启发运算的图像编辑优化方法，其特征在于，包括以下步骤：步骤1：输入原始图像，将RGB图像转换到HSV空间上，读入HSV三个分量，分别采用基于生物启发运算的PS2O优化算法得到相应的分割图，将HSV三个分量的分割结果合并得到最后的分割图；步骤2：得到若干超分割区域，提取各区域中有关层次关系的局部特征，并用局部特征进行前景-背景关系和同层合并关系的判断；步骤3：在判断结果的基础上建立一个全局能量函数，并用改进的差分进化算法求解该函数从而得到最终的层次关系；步骤4：根据图像的层次关系，编辑所有层次间的偏序关系，当...

【专利技术属性】
技术研发人员：范桂萍，
申请(专利权)人：南通海鑫信息科技有限公司，
类型：发明
国别省市：江苏,32