【技术实现步骤摘要】
前景遮罩提取方法、装置、计算机设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种前景遮罩提取方法、装置、计算机设备及存储介质。
技术介绍
前景遮罩提取是图像合成、自动前景提取等数字图像处理领域的重要步骤。现有的前景遮罩提取方法，如基于模糊评价与协同优化的免采样前景遮罩提取算法，仅是对标清图像进行前景遮罩提取，无法对高清图像进行提取。另外，该方法优化目标的维度较低，且精度不高。
技术实现思路
本专利技术实施例提供一种前景遮罩提取方法、装置、计算机设备及存储介质，以解决现有技术无法对高清图像进行前景遮罩提取，且优化目标的维度较低、精度不高的问题。一种前景遮罩提取方法，包括：获取原始高清图像对应的三分图，所述三分图包括未知区域；基于所述未知区域中的像素，获取待优化目标，所述待优化目标包括至少个优化元素；采用群体竞争优化算法对所述待优化目标中的每一优化元素进行处理，获取所述未知区域的目标最优解组；基于所述目标最优解组获取所述未知区域的前景遮罩值；基于所述前...
【技术保护点】
1.一种前景遮罩提取方法，其特征在于，包括：/n获取原始高清图像对应的三分图，所述三分图包括未知区域；/n基于所述未知区域中的像素，获取待优化目标，所述待优化目标包括至少一个优化元素；/n采用群体竞争优化算法对所述待优化目标中的每一优化元素进行处理，获取所述未知区域的目标最优解组；/n基于所述目标最优解组获取所述未知区域的前景遮罩值；/n基于所述前景遮罩值对所述原始高清图像进行遮罩提取。/n
【技术特征摘要】
1.一种前景遮罩提取方法，其特征在于，包括：
获取原始高清图像对应的三分图，所述三分图包括未知区域；
基于所述未知区域中的像素，获取待优化目标，所述待优化目标包括至少一个优化元素；
采用群体竞争优化算法对所述待优化目标中的每一优化元素进行处理，获取所述未知区域的目标最优解组；
基于所述目标最优解组获取所述未知区域的前景遮罩值；
基于所述前景遮罩值对所述原始高清图像进行遮罩提取。
2.如权利要求1所述的前景遮罩提取方法，其特征在于，所述基于所述未知区域中的像素，获取待优化目标，包括：
按照像素值大小对所述未知区域中的像素进行聚类，获取每一像素值对应的原始像素类；
从每一所述原始像素类中任选一个像素作为优化元素，将所有所述优化元素作为待优化目标。
3.如权利要求2所述的前景遮罩提取方法，其特征在于，所述采用群体竞争优化算法对所述待优化目标中的每一优化元素进行处理，获取所述未知区域的目标最优解组，包括：
采用群体竞争优化算法对所述待优化目标中的每一优化元素进行处理，获取每一优化元素对应的元素最优解；
将每一所述优化元素对应的元素最优解分别作为启发式信息返回到所述优化元素对应的原始像素类中，生成有效像素类；
采用群体竞争优化算法对每一所述有效像素类进行处理，获取每一所述有效像素类对应的目标最优解；
基于所有所述目标最优解获取所述未知区域的目标最优解组。
4.如权利要求3所述的前景遮罩提取方法，其特征在于，所述三分图还包括前景区域和背景区域；
所述采用群体竞争优化算法对所述待优化目标中的每一优化元素进行处理，获取每一优化元素对应的元素最优解，包括：
从所述前景区域中随机选取一个像素乘以对应的随机数作为前景像素值，从所述背景区域中随机选取一个像素乘以对应的随机数作为背景像素值；
基于所述前景像素值和所述背景像素值生成初始个体，并基于所述初始个体生成初代种群；
对所述初始个体和对应的所述优化元素进行评估，获取初代种群中所有所述初始个体与对应的所述优化元素的误差值；
对所有所述误差值进行两两比较，将较小的误差值对应的初始个体迭代至下一代种群，较大的误差值对应的初始个体通过学习算法进行学习后，迭代至下一代种群；
当所述误差值小于预设值时，则停止迭代，将最小的误差值对应的初始个体作为优化元素对应的元素最优解。
5.如权利要求4所述的前景遮罩提取方法，其特征在于，所述初代种群...
【专利技术属性】
技术研发人员：冯夫健，黄翰，王林，梁椅辉，董志诚，梁宝魁，夏大文，谭棉，
申请(专利权)人：贵州民族大学，
类型：发明
国别省市：贵州;52
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。