一种具有纠偏性的自然图像抠图的全局优化方法技术

本发明专利技术提供的具有纠偏性的自然图像抠图的全局优化方法，是从对图进行划分的角度考虑抠图问题，即：将抠图问题视为对图像的聚类或分组，这种最优的划分应该使得前景对象Ｆ与背景Ｂ的关联最弱，Ｆ的内部关联程度最强；以Ｆ的内部关联程度作为规格化因子，重新衡量Ｆ与背景Ｂ相分离的的软分割开销，从而得到均衡化后的自然图像抠图的全局优化的目标函数；并且对这一目标函数的优化等价于对一个广义特征值系统的求解。本发明专利技术有效地避免了以前的抠图方法中由于用于抠图的目标优化函数构造上的不合理而造成的抠图结果的有偏性，更有利于得到有关前景不透明度的全局最优解，并且对实现抠图过程的自动或半自动化具有重要的应用价值。

【技术实现步骤摘要】

本专利技术涉及数字图像处理领域，特别是涉及自然图像抠图方法中对目标优化函数的定义。
技术介绍
一幅图像C可以被视为是前景图像F与背景图像B按照一定比例合成的结果。像素/7 的颜色C^是其对应的前景颜色^和背景颜色5p按照以下合成方程的线性组合其中"p是像素p的前景不透明度值。图像抠图是图像合成的一个逆过程，其目的是通过估算出每个像素的前景不透明度值 将前景对象从背景中分离出来。这一技术在图像和视频编辑中具有重要的意义。由于仅仅知道图像的观测颜色Cp， ^、 ^和 均为未知，图像抠图本质上是一个欠约束的问题。为了求解抠图问题，有两个基本的问题需要被考虑。首先，需要提出用于衡量一个好 的抠图结果的优化公式，即用于抠图的目标优化函数。其次，要找到一种有效的算法来实 现对目标函数的优化求解。根据使用哪一种图像统计信息来得至lj用于图像抠图的目标优化函数，己有的图像抠图方法大致上可以被分为两类基于采样的图像抠图方法和基于信息传播的方法。基于采样的图像抠图方法需要用户将输入图像大体上划分成三个区域确定的前景区 域，确定的背景区域和未知区域，或者提供少量的几划指定部分前景和背景像素，以增加 额外的约束。然后，这类方法使用来自已知的邻近前景和背景区域的统计信息估算未知像 素的不透明度值，前景和背景颜色。对应于这类方法的典型抠图技术有Knock0ut， Ruzon 与Tomasi的抠图方法和贝叶斯抠图方法。基于信息传播的图像抠图方法，并不直接使用已知的确定区域的颜色信息估算出未知 像素对应的变量，而是大多通过对原始的图像合成方程进行适当变形后，对图像的前景和 背景颜色分布做一些简单的假设，如颜色分布保持局部平滑，或者引入颜色分布模型，从 而得到对应的抠图开销函数。这类方法中的典型技术如泊松抠图，封闭形式抠图和谱抠 图方法。另外一类方法，如BP抠图，Easy抠图，Robust抠图方法与Soft scissor系统，则 将采样信息和平滑假设结合起来作为实现抠图的目标优化函数。以上这些图像抠图方法中的开销函数，无论是基于估算出的未知变量的精确度衡量， 还是基于不透明度值a的平滑假设，都仅仅只考虑到了前景对象F与背景万的相互分离的 软分割开销，而没有从图划分的角度研究抠图问题，将所要提取的前景对象视为一个整体， 在实现F与S分离的过程中考虑到F作为对图像的一个分组的内部紧凑程度。因此，这些方法往往由于目标优化函数本身的构造上的不合理，偏向于为少量的图像像素集合分配非零的标签值，即前景不透明度值，使得最后的抠图结果偏离了全局最优解。
技术实现思路
本专利技术所要解决的技术问题是提供一种具有纠偏性(均衡化)自然图像抠图的全局 优化公式，即一种实现抠图优化的目标函数，以克服以前的自然图像抠图方法中由于用于 抠图的目标优化函数的构造上的不合理而造成的抠图结果的有偏性。本专利技术解决其技术问题所采用的技术方案是从对图进行划分的角度考虑抠图问题， 即将抠图问题视为对图像的聚类或分组，这种最优的划分应该使得前景对象尸与背景S 的关联最弱，F的内部关联程度最强；以尸的内部关联程度作为规格化因子，重新衡量F 与背景5相分离的的软分割开销，从而得到均衡化后的自然图像抠图的全局优化目标函 数；并且对这一 目标函数的优化等价于对一个广义特征值系统的求解。本专利技术与以前的自然图像抠图方法相比，其优点如下以前的自然图像抠图方法仅仅考虑到前景对象F与背景S之间的分离丌销，以最小化 这一开销为优化目标，容易导致只为少数的像素子集分配非零的不透明度，使得抠图结果 偏离全局最优解。而本方法则从对图划分的角度考虑抠图问题，将抠图过程视为对图像的 分组，使用所要提取的前景对象的内部像素节点间的紧密关联程度，来重新衡量实现F和 S相互分离的软分割开销。使用本方法， 一方面能够使F与S的分离开销最小化，另一方 面又能使F的内部紧凑度最大化，从而有效地避免了以前的抠图方法中由于仅仅只考虑最 小化分离开销而造成的抠图结果的偏离，更有利于得到有关前景不透明度的全局最优解。此外，由于这一用于实现抠图优化的公式的提出不同于以前的抠图方法中从图像分层 的角度考虑抠图问题，而是基于图像抠图问题的本质是对图的一种划分，从整体上考虑这 一过程，因此，有利于技术人员基于这一公式来实现抠图过程的自动或半自动化。 附图说明图1是本专利技术的基本思想示意图。图2显示了求解具有纠偏性(均衡化)的自然图像抠图的全局优化公式对应的等价的 广义特征系统得到的结果。图中图(b)、 (e)分别是对应于输入图像(a)、 (d)的的第一到第 七小的特征值曲线图。图(c)为对应于(a)的第三小的特征向量，图(f)为对应于(d)的第二小 的特征向量，且这些特征向量按照与输入图像相同大小的尺寸，以灰度图效果显示出。图3对具有纠偏性(均衡化)的自然图像抠图的全局优化公式，平均化的抠图公式， 及无监管的谱抠图方法所得到的结果进行了比较。图中图(a)为输入图像。图(b)是使用 具有纠偏性(均衡化)的自然图像抠图的全局优化公式，计算得到的第三小的特征向量。 图(c)显示了使用平均化的抠图公式求解出的第二小的特征向量。图(d)为对应于(a)的使用 无监管抠图方法得到的结果。具体实施方式本专利技术提供的具有纠偏性(均衡化)的自然图像抠图的全局优化方法，具体是从对 图进行划分的角度考虑抠图问题，S卩将抠图问题视为对图像的聚类或分组，这种最优的划分应该使得前景对象F与背景S的关联最弱，F的内部关联程度最强；以F的内部关联 度作为规格化因子，重新衡量F与背景S相分离的的软分割开销，从而得到均衡化后的自 然图像抠图的全局优化公式，即用于实现抠图的目标函数；并且对这一抠图目标函数的优 化等价于对一个广义特征值系统的求解。所述的软分割的含义是这一说法是相对于图像分割而言的。在二元图像分割中，整 个图像被划分为前景和背景两个区域， 一个像素要么属于确定的前景，要么属于确定的背 景，不存在部分属于前景部分属于背景的情形，因此，分割又常被称之为"硬"分割。而 在图像抠图中，不仅仅是将前景对象F从背景fi中划分出来，而且还需要恢复出F与S之 间的混合像素的前景混合比例，即前景不透明度值，因此，对于抠图又有软分割的说法。本专利技术提供的具有纠偏性(均衡化的)的自然图像抠图的全局优化公式的基本思想示 意图见图1。在图像抠图中所要提取的前景对象F被视为是对图G的一种精细化的划分， 位于所要抠取的对象边缘的混合像素被区分为部分的前景和部分的背景。 一个好的划分结 果应该使得F内的节点紧密关联，F与背景6间的节点相互分离。本专利技术釆用包括以下步骤的方法1.将一幅输入图像抽象为无向权重图G，为图中的边分配抠图权重值，构造出抠图 关联矩阵^，抠图权重度矩阵Z^，抠图拉普拉斯矩阵^ 。其中1) 所述的无向权重图G的构造是G = (￡,F,w)。公式中F为图中"个节点的集合，"为像素的个数；E为节点间边的集合；每条边 对应于权重值H^ ， ^表示两个相邻接的节点间的相似度。不同的抠图方法中，对图G中边的权重值的求解，及G是否多边与是否有自环因具体 的计算权重值的公式的构造不同而有所不同。2) 所述的抠图关联矩阵w;，其定义为(! /)4、=,卿￡ " 、 ，"J 0^的大小为本文档来自技高网...

【技术保护点】
一种具有纠偏性的自然图像抠图的全局优化方法，其特征是从对图进行划分的角度考虑抠图问题，即：将抠图问题视为对图像的聚类或分组，这种最优的划分应该使得前景对象Ｆ与背景Ｂ的关联最弱，Ｆ的内部关联程度最强；以Ｆ的内部关联程度作为规格化因子，重新衡量Ｆ与背景Ｂ相分离的的软分割开销，从而得到均衡化后的自然图像抠图的全局优化目标函数；并且对这一目标函数的优化等价于对一个广义特征值系统的求解。

【技术特征摘要】

【专利技术属性】
技术研发人员：何发智，吴玉娥，
申请(专利权)人：武汉大学，
类型：发明
国别省市：83[中国|武汉]