System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术主要涉及图像处理,具体涉及一种基于特征差异的三分图扩展方法及系统。
技术介绍
1、自然图像抠图是指从任意一个背景中提取出感兴趣的前景目标,即提取透明度遮罩。目前主要应用于图像的合成、目标识别、实时会议以及影视特效等方面。高精度自然图像抠图方法需要三分图作为辅助约束条件,三分图的优劣会直接影响抠图效果。通常,将待抠图图像中的每一个像素点视为透明度遮罩、前景像素点及背景像素点的线性组合,由于待抠图图像通常为rgb三通道的图像,rgb三通道对应的前景颜色及背景颜色,但透明度遮罩、前景颜色及背景颜色都是未知的,故通过输入三分图来减少式中的未知数来进一步提取透明度遮罩。
2、然而通常要获得一个精细的三分图的需要消耗大量的人力和物力,得到一个粗糙的三分图相对容易。在现有的三分图扩展方法中,使用不同的特征(如颜色分布和纹理)来确定已知区域和未知区域中像素之间的相似性。当前景和背景具有相似的纹理时,未知区域中的像素可能会被错误分类。为了避免这些问题,空间或测地线距离也被用来扩展三分图。虽然这些方法有助于将已知的前景和背景区域扩展到空间封闭的未知区域,但它们不能应用于由空间断开区域组成的图像,且对于半透明物体的粗糙三分图其扩展效果表现仍然不佳。为此,解决目前三分图扩展在半透明区域存在的扩展错误问题,从而达到扩展半透明物体三分图的目的是十分重要的。
技术实现思路
1、本专利技术所要解决的技术问题是针对:1.图像抠图的精度依赖于三分图的精度,直接使用粗糙三分图(即区域划分精度不高的
2、本专利技术解决上述技术问题的技术方案如下:
3、一种基于特征差异的三分图扩展方法,包括如下步骤:
4、输入待抠图图像,对所述待抠图图像进行语义特征提取,并根据提取的语义特征构建背景聚类分类器,对所述待抠图图像进行图像特征提取,并根据提取的图像特征构建前景聚类分类器;
5、将所述待抠图图像转换成初始三分图,通过所述背景聚类分类器对所述初始三分图进行扩展,得到初始扩展三分图;
6、通过所述前景聚类分类器对所述初始扩展三分图进行扩展,得到扩展三分图,并对所述扩展三分图进行综合评价,得到评价结果。
7、本专利技术的有益效果是:通过对有半透明物体图像转换成的粗糙的初始三分图进行扩展,无需手动设置阈值,即可得到较高质量的扩展三分图,既节约了成本,又提高了抠图精度;通过语义特征构建背景聚类分类器,再通过图像特征构建前景聚类分类器,这样通过图像不同的特征先扩展初始三分图的背景区域,再扩展初始扩展三分图的前景区域,可以避免对初始三分图的半透明区域扩展错误的问题,且得到的扩展三分图在一定程度上提高了半透明物体图像的三分图精度,且还对三分图的质量进行客观评价,打破了以往只能依赖主观评价三分图质量。显著地提高了三分图质量,从而提高现有抠图方法在输入粗糙的初始三分图时获得的透明度遮罩质量。
8、进一步地,所述对所述待抠图图像进行语义特征提取,并根据提取的语义特征构建背景聚类分类器,具体为:
9、通过上下文注意编码器对所述待抠图图像进行语义特征提取,得到前景区域语义特征和背景区域语义特征;
10、将所述前景区域语义特征和所述背景区域语义特征输入预构建的背景分类器中,得到背景聚类分类器。
11、采用上述进一步方案的有益效果是:由于在半透明物体的图像中,图像的前景区域保持着与背景区域相对同一但区别于背景区域的语义信息,因此通过提取能够区分前景区域和背景区域的语义信息,来分离图像的前景区域和背景区域,并根据语义信息构建背景聚类分离器,以计算出图像未知区域中各像素点的特征,并对其进行区域划分来对三分图背景区域进行扩展。
12、进一步地,所述初始三分图包括第一已知前景区域像素集、第一已知背景区域像素集和第一未知区域像素集;所述通过所述背景聚类分类器对所述初始三分图进行扩展,得到初始扩展三分图,具体为:
13、通过所述背景聚类分类器对所述第一未知区域像素集进行计算,得到语义相似性;
14、根据所述语义相似性对所述第一未知区域像素集进行区域划分,得到第二已知背景区域像素集和第二未知区域像素集,将所述第一已知前景区域像素集、所述第一已知背景区域像素集、所述第二已知背景区域像素集和第二未知区域像素集进行合并,得到初始扩展三分图;
15、所述通过所述前景聚类分类器对所述初始扩展三分图进行扩展,得到扩展三分图,具体为:
16、通过所述前景聚类分类器对所述第二未知区域像素集进行计算,得到图像相似性;根据所述图像相似性对所述第二未知区域像素集进行区域划分,得到第二已知前景区域像素集和第三未知区域像素集,将所述第一已知前景区域像素集、所述第一已知背景区域像素集、所述第二已知背景区域像素集、第二已知前景区域像素集和第三未知区域像素集进行合并,得到扩展三分图。
17、采用上述进一步方案的有益效果是:对初始三分图中的未知像素集区域先进行背景区域的像素扩展,再进行前景区域的像素扩展,从而缩小未知像素集区域的范围,对图像中半透明物体的像素点扩展更精确,使抠图网络模型在抠图时的精度更高。
18、将多个像素集进行合并为:将相邻的几个像素集合并成一个像素集,以得到一张图像。
19、进一步地,所述通过所述背景聚类分类器对所述第一未知区域像素集进行计算,得到语义相似性,具体为:
20、通过所述背景聚类分类器对所述前景区域语义特征进行计算,得到前景语义特征类簇中心μf,通过所述背景聚类分类器对所述背景区域语义特征进行计算,得到背景语义特征类簇中心μb;
21、通过所述背景聚类分类器对所述第一未知区域像素集中的各像素点和所述前景语义特征类簇中心μf进行特征距离计算,得到前景语义相似性zf,所述前景语义相似性的表达式为:
22、zf=(sfp-μf)2;
23、通过所述背景聚类分类器对所述第一未知区域像素集中的各像素点和所述背景语义特征类簇中心μb进行特征距离计算,得到背景语义相似性zb,所述背景语义相似性的表达式为:
24、
25、其中,sfp表示像素位置p的语义特征。
26、采用上述进一步方案的有益效果是:使用语义特征来度量前景区域与背景区域内像素集的相似性,通过相似性来区分前景区域与背景区域以实现背景扩展,解决了抠图遮罩的背景区域存在噪声的问题。对初始三分本文档来自技高网...
【技术保护点】
1.一种基于特征差异的三分图扩展方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的三分图扩展方法,其特征在于,所述对所述待抠图图像进行语义特征提取,并根据提取的语义特征构建背景聚类分类器,具体为:
3.根据权利要求1所述的三分图扩展方法,其特征在于,所述初始三分图包括第一已知前景区域像素集、第一已知背景区域像素集和第一未知区域像素集;所述通过所述背景聚类分类器对所述初始三分图进行扩展,得到初始扩展三分图,具体为:
4.根据权利要求2或3所述的三分图扩展方法,其特征在于,所述通过所述背景聚类分类器对所述第一未知区域像素集进行计算,得到语义相似性,具体为:
5.根据权利要求4所述的三分图扩展方法,其特征在于,所述根据所述语义相似性对所述第一未知区域像素集进行区域划分,得到第二已知背景区域像素集和第二未知区域像素集,具体为:
6.根据权利要求1所述的三分图扩展方法,其特征在于,所述对所述待抠图图像进行图像特征提取,并根据提取的图像特征构建前景聚类分类器,具体为:
7.根据权利要求3或6所述的三分图扩展方法,
8.根据权利要求7所述的三分图扩展方法,其特征在于,所述根据所述图像相似性对所述第二未知区域像素集进行区域划分,得到第二已知前景区域像素集和第三未知区域像素集,具体为:
9.根据权利要求1所述的三分图扩展方法,其特征在于,所述对所述扩展三分图进行综合评价,得到评价结果,具体为:
10.一种基于特征差异的三分图扩展系统,其特征在于,包括:图像特征提取模块、三分图处理模块、初始扩展模块、最终扩展模块和综合评价模块;
...【技术特征摘要】
1.一种基于特征差异的三分图扩展方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的三分图扩展方法,其特征在于,所述对所述待抠图图像进行语义特征提取,并根据提取的语义特征构建背景聚类分类器,具体为:
3.根据权利要求1所述的三分图扩展方法,其特征在于,所述初始三分图包括第一已知前景区域像素集、第一已知背景区域像素集和第一未知区域像素集;所述通过所述背景聚类分类器对所述初始三分图进行扩展,得到初始扩展三分图,具体为:
4.根据权利要求2或3所述的三分图扩展方法,其特征在于,所述通过所述背景聚类分类器对所述第一未知区域像素集进行计算,得到语义相似性,具体为:
5.根据权利要求4所述的三分图扩展方法,其特征在于,所述根据所述语义相似性对所述第一未知区域像素集进行区域划分,得到第二已知背景区域像素集和第二未知区域像素...
【专利技术属性】
技术研发人员:冯夫健,张远,谭棉,汪小梅,叶显泯,罗宇,张岚岚,邹红梅,
申请(专利权)人:贵州民族大学,
类型:发明
国别省市:
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。