一种基于材质分析技术的抠像方法技术

本申请涉及智能决策领域，揭露了一种基于材质分析技术的抠像方法，包括：利用抠图模型对待抠图图像进行图像分割，得到分割图像，其中，分割图像包括：前景区域、背景区域及未知区域；利用分类器对前景区域进行区域划分，生成多个子前景区域，根据每个子前景区域的材质类别，确定每个子前景区域的不透明度；根据每个子前景区域的不透明度，更新未知区域中每个未知像素点的不透明度，根据更新后的不透明度，确定未知区域的待抠图区域；根据前景区域、待抠图区域及背景区域，生成待抠图图像的抠像结果。另外，本申请还提供一种基于材质分析技术的抠像装置、电子设备以及计算机可读存储介质。本申请可以提高待抠图图像的抠像准确性。本申请可以提高待抠图图像的抠像准确性。本申请可以提高待抠图图像的抠像准确性。

【技术实现步骤摘要】
一种基于材质分析技术的抠像方法


[0001]本申请涉及智能决策领域，尤其涉及一种基于材质分析技术的抠像方法、装置、电子设备以及计算机可读存储介质。

技术介绍

[0002]图像抠图是指将图像中需要的部分从画面中精确地提取出来，即将原始图片中的抠图区域与背景区域进行分离的过程，主要功能是为了后期的合成做准备，例如游戏、影视剧中大量应用抠图技巧，对多张抠图图像进行合成，形成真实高感的虚拟画面，提高用户的观感度以及体验度。
[0003]目前，图像抠图通常是基于抠图模型实现，但是由于在实际业务场景中，往往一张图片会包含大量的图像元素、色彩等，通过抠图模型虽能识别识别出待抠图图像中的前景区域和背景区域，但是却无法很好的识别出待抠图图像中未知区域的前景区域和背景区域，这样导致待抠图图像的抠图准确性并不是很高。
[0004]申请内容
[0005]为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种基于材质分析技术的抠像方法、装置、电子设备以及计算机可读存储介质，可以提高待抠图图像的抠像准确性。
[0006]第一方面，本申请提供了一种基于材质分析技术的抠像方法，包括：
[0007]接收待抠图图像，利用抠图模型对所述待抠图图像进行图像分割，得到分割图像，其中，所述分割图像包括：前景区域、背景区域以及未知区域；
[0008]利用分类器对所述前景区域进行区域划分，生成多个子前景区域，并根据每个所述子前景区域的材质类别，确定每个所述子前景区域的不透明度；
[0009]根据每个所述子前景区域的不透明度，更新所述未知区域中每个未知像素点的不透明度，根据更新后的所述不透明度，确定所述未知区域的待抠图区域；
[0010]根据所述前景区域、所述待抠图区域以及所述背景区域，生成所述待抠图图像的抠像结果。
[0011]可以看出，本申请实施例首先通过抠图模型对待抠图图像进行图像分割，可以识别出所述待抠图图像的前景区域、背景区域以及未知区域，确保后续抠像结果生成的前提；其次，本申请实施例通过利用分类器对所述前景区域进行区域划分，生成多个子前景区域，可以获取所述前景区域中所有的图像类型，从而实现后续相应图像的不透明度选取，并根据每个所述子前景区域的材质类别，确定每个所述子前景区域的不透明度，可以标记每个所述子前景区域的透明度范围，从而可以明确所述前景区域中每个图层的显示方式，进而可以更好的与待抠图图像中未知区域进行像素点匹配，提高抠像的准确性；进一步地，本申请实施例根据每个所述子前景区域的不透明度，更新所述未知区域中每个像素点的像素值，以确定所述未知区域的待抠图区域，进一步提高图像抠像的准确性。
[0012]在第一方面的一种可能实现方式中，所述利用抠图模型对所述待抠图图像进行图
像分割，得到分割图像，包括：
[0013]利用所述抠图模型中的分割网络分割所述待抠图图像的抠图区域；
[0014]根据所述抠图区域，利用所述抠图模型中的回归网络对所述待抠图图像进行抠图，生成所述待抠图图像的分割图像。
[0015]在第一方面的一种可能实现方式中，所述利用所述抠图模型中的分割网络分割所述待抠图图像的抠图区域，包括：
[0016]利用所述分割网络中的卷积层对所述待抠图图像进行特征提取，得到特征图像；
[0017]利用所述分割网络中的池化层对所述特征图像进行降维，得到降维图像；
[0018]利用所述分割网络中的全连接层输出所述降维图像的抠图区域。
[0019]5、在第一方面的一种可能实现方式中，所述根据所述抠图区域，利用所述抠图模型中的回归网络对所述待抠图图像进行抠图，生成所述待抠图图像的分割图像，包括：
[0020]利用所述回归网络中的降噪层对所述抠图区域进行降噪处理，得到降噪区域；
[0021]利用所述回归网络中的边缘检测函数计算所述降噪区域的边缘梯度；
[0022]根据所述边缘梯度，利用所述回归网络的输出层输出所述降噪区域，得到分割图像。
[0023]在第一方面的一种可能实现方式中，所述利用分类器对所述前景区域进行区域划分，生成多个子前景区域，包括：
[0024]利用所述分类器中的区域检测模块检测所述前景区域的目标物区域；
[0025]利用所述分类器中的位置序列识别模块识别所述目标物区域的位置序列；
[0026]根据所述位置序列，利用所述分类器中的前馈神经网络输出所述目标物区域，生成多个子前景区域。
[0027]在第一方面的一种可能实现方式中，所述利用所述分类器中的区域检测模块检测所述前景区域的目标物区域，包括：
[0028]利用所述区域检测模块中的卷积层对所述前景区域进行卷积操作，得到特征区域；
[0029]利用所述区域检测模块中的融合层将所述前景区域的底层特征与所述特征区域进行融合，得到目标特征区域；
[0030]利用所述区域检测模块中的激活函数输出所述目标特征区域的检测结果；
[0031]根据所述检测结果，从所述前景区域中筛选出存在目标物区域的图像，得到目标物区域。
[0032]在第一方面的一种可能实现方式中，所述根据每个所述子前景区域的不透明度，更新所述未知区域中每个未知像素点的不透明度，包括：
[0033]查询每个所述子前景区域中的前景像素点；
[0034]计算每个所述前景像素点与每个所述未知像素点的相似度；
[0035]将所述相似度大于预设相似度的前景像素点的不透明度作为其对应未知像素点的不透明度。
[0036]第二方面，本申请提供了一种基于材质分析技术的抠像装置，所述装置包括：
[0037]抠图图像分割模块，用于接收待抠图图像，利用抠图模型对所述待抠图图像进行图像分割，得到分割图像，其中，所述分割图像包括：前景区域、背景区域以及未知区域；
[0038]前景区域分割模块，用于利用分类器对所述前景区域进行区域划分，生成多个子前景区域，并根据每个所述子前景区域的材质类别，确定每个所述子前景区域的不透明度；
[0039]抠图区域确定模块，用于根据每个所述子前景区域的不透明度，更新所述未知区域中每个未知像素点的不透明度，根据更新后的所述不透明度，确定所述未知区域的待抠图区域；
[0040]抠图结果生成模块，用于根据所述前景区域、所述待抠图区域以及所述背景区域，生成所述待抠图图像的抠像结果。
[0041]第三方面，本申请提供一种电子设备，包括：
[0042]至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
[0043]其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，以使所述至少一个处理器能够执行如上述第一方面中任意一项所述的基于材质分析技术的抠像方法。
[0044]第四方面，本申请提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任意一项所述的基于材质分析技术的抠像方法。...

【技术保护点】

【技术特征摘要】
1.一种基于材质分析技术的抠像方法，其特征在于，所述方法包括：接收待抠图图像，利用抠图模型对所述待抠图图像进行图像分割，得到分割图像，其中，所述分割图像包括：前景区域、背景区域以及未知区域；利用分类器对所述前景区域进行区域划分，生成多个子前景区域，并根据每个所述子前景区域的材质类别，确定每个所述子前景区域的不透明度；根据每个所述子前景区域的不透明度，更新所述未知区域中每个未知像素点的不透明度，根据更新后的所述不透明度，确定所述未知区域的待抠图区域；根据所述前景区域、所述待抠图区域以及所述背景区域，生成所述待抠图图像的抠像结果。2.如权利要求1所述的基于材质分析技术的抠像方法，其特征在于，所述利用抠图模型对所述待抠图图像进行图像分割，得到分割图像，包括：利用所述抠图模型中的分割网络分割所述待抠图图像的抠图区域；根据所述抠图区域，利用所述抠图模型中的回归网络对所述待抠图图像进行抠图，生成所述待抠图图像的分割图像。3.如权利要求2所述的基于材质分析技术的抠像方法，其特征在于，所述利用所述抠图模型中的分割网络分割所述待抠图图像的抠图区域，包括：利用所述分割网络中的卷积层对所述待抠图图像进行特征提取，得到特征图像；利用所述分割网络中的池化层对所述特征图像进行降维，得到降维图像；利用所述分割网络中的全连接层输出所述降维图像的抠图区域。4.如权利要求2所述的基于材质分析技术的抠像方法，其特征在于，所述根据所述抠图区域，利用所述抠图模型中的回归网络对所述待抠图图像进行抠图，生成所述待抠图图像的分割图像，包括：利用所述回归网络中的降噪层对所述抠图区域进行降噪处理，得到降噪区域；利用所述回归网络中的边缘检测函数计算所述降噪区域的边缘梯度；根据所述边缘梯度，利用所述回归网络的输出层输出所述降噪区域，得到分割图像。5.如权利要求1所述的基于材质分析技术的抠像方法，其特征在于，所述利用分类器对所述前景区域进行区域划分，生成多个子前景区域，包括：利用所述分类器中的区域检测模块检测所述前景区域的目标物区域；利用所述分类器中的位置序列识别模块识别所述目标物区域的位置序列；根据所述位置序列，利用所述分类器中的前馈神经网络输出所述目标物区域，生成多个子前景区域。6.如权...

【专利技术属性】
技术研发人员：李艳飞，李健，王研，李媛媛，王琳琳，周浩，张晓峰，
申请(专利权)人：辽宁向日葵教育科技有限公司，
类型：发明
国别省市：