本发明专利技术属于计算机视觉领域，是一种基于颜色转换和编辑传播的图像季节特征增强方法，包括：输入一张目标图像，从场景库中选择一张特定季节图像作为参考图像，对目标图像进行颜色转换；对目标图像进行前景提取，获取前景对象的轮廓信息；选取一个特定的前景对象作为模板，在目标图像中提取与模板相似的重复前景对象；从对象库中选取符合特定季节特征的插入对象，并在目标场景中指定一个插入位置，对该对象旋转和缩放以保证视觉合理；将插入对象自动地进行编辑传播；最后，对所有插入的对象与场景图像进行融合，形成最终的具有指定季节特征的场景。本发明专利技术可广泛应用推广到影视制作、城市规划等领域。
【技术实现步骤摘要】
本专利技术涉及图像处理、计算机视觉和增强现实领域，具体地说是一种。
技术介绍
数字图像领域中，最常见的图像处理方法之一是改变图像的视觉效果。对于艺术设计者或者摄影爱好者来说，为了得到同一个场景不同季节的场景图像，将进行大量的手工编辑或者耗费大量的时间定点拍摄。事实上，同一个场景在不同的季节有很多的特点，举例来说，夏季里场景颜色一般为碧绿色而秋季一般以金黄色为主；花儿在春天开放秋季凋谢等等。这些不同季节里具有很强可区分的特点为我们设计一个场景季节特点增强系统提供了可行条件。一个具有明显季节特点的场景，不仅在颜色信息上可以很容易的区分，而且在场景内容上的各种对象也标志了一个季节的特色。目前，一些科研工作者在相关技术上开展了研究。在颜色风格一致化方面，2001 年，布里斯托大学的E. Reinhard等人是利用颜色空间的转换，将目标图像和参考图像首先从RGB颜色空间转换到Ια β颜色空间，然后在这三个通道上分别求取二阶统计量期望方差，再针对目标图像的每一个像素，进行缩放旋转，求得的最终结果转换为RGB颜色空间即为结果图像的像素颜色值。该方法简单有效，但是针对复杂的图像，需要用户指定样本进行颜色转换。针对这个问题，2005年，日本的Chang等人提出了一种基于颜色分类的方法实现颜色转换。首先将目标图像和参考图像按照颜色差异，分成多个颜色类，然后在对应的颜色类之间进行颜色转换。Pitie. F等人以一种全新的思路，在证明了 N维概率密度函数转移的可行性并将它运用到颜色迁移领域。在灰度图像中，利用直方图规定化实现图像灰度变换使其具有特定的直方图形式。直方图是概率分布密度的体现，而直方图规定化是目标图像概率分布密度映射到期望概率分布密度的过程，也就一维概率密度函数转移。而N维概率密度函数转移是基于一维展开的。Sf(X)和g(x)是源图像和目标图像的颜色概率密度分布，Xi = O^gpbi), I^gpbi分别代表红绿蓝三色，选择任意一个旋转矩阵尺，旋转后对N 维分别作一维概率密度函数转移，重复多次，直到收敛，得到迁移后的新图像。该方法生成的结果图像颜色过渡不平滑，有很多块状，需要通过二次处理对图像进行平滑。但是，上述自动方法容易产生一些不自然的着色效果，因此，针对自动颜色转换方法中的这些问题，出现了一些基于交互式的颜色转换方法。从2001年Welsh提出了灰阶影像着色，开启了灰度图像着色的简单、省时的道路，推动了该领域的研究的进展。该算法需要由用户从目标图像和目标图像中分别选出适当大小、位置与数量的样本快，并指定目标图像样本块与目标图像中样本块的对应关系。Welsh算法不是使用L型或者Box型邻域进行最佳匹配邻域搜索方法进行综合的算法，而是直接匹配图像的亮度数值和邻域的标准方差。它也是使用1 α β 颜色空间先将目标图像进行亮度和颜色的分离，从目标图像中等间隔的提取一定的样本点，然后使用匹配算法搜索出处理图像每一个点所对应的目标图像像素点，最后使用这种索引信息构建处理图像的3和β，将彩色图像中的颜色转移到灰度图像中，并变换回RGB颜色空间。这就是Welsh算法的颜色迁移过程。该方法不能保证处理后图像颜色在空间上的连续性，即本来相邻的、颜色相近的区域可能由于亮度差异而被分配了截然不同的颜色。 Takahiko将概率松弛法引入颜色迁移，以选取最优的颜色信息迁移给目标图像素。2003年 Takahiko等人又提出种子像素的概念，由用户选取一些彩色像素作为灰度图像的种子，利用颜色繁殖完成颜色迁移。Tomohisa等人改进了颜色繁殖算法，引入图像分割防止错误繁殖边缘像素颜色，并提出了新的基于CIELAB颜色空间的彩色化算法。上述的这些方法，不能保证结果图像既能在颜色视觉上逼近参考图像的颜色的同时，保持目标图像的颜色流形线性结构。在图像编辑方面，大量的研究工作已经对此进行了探讨。而场景重复元素检测是图像编辑领域中的一个重要研究方向。1996年，Malik等人提出了一种基于图结构模型的方法来检测场景重复元素。在这个图结构模型中，以所有场景元素作为图节点而以节点间的仿射变换作为图结构模型中的边。通过自增长和匹配的方式，来检测出场景中所有的重复元素；2007年，Ahuja等人通过在场景分割树中寻找结构相似的子树的方式来检测场景中的所有重复元素；Cheng等人在2010年提出了一种基于BBM(Boundary Band Map)的交互式方式来检测和提取场景中的重复元素。这些方法通常需要大量的计算时间，同时在复杂场景中准确率不能给出保证。场景合成方面在近些年也取得了很大的进展。2007年， Lalonde等人提出了一个基于网络对象库的场景合成系统PhotoClipArt，该系统通过在库中指定对象，然后结合场景地平线的位置，根据对象插入的位置，自动的调整对象大小；同时，对插入的兑现在光照、颜色等方面进行融合。但是，该系统只能将对象一个一个的插入到场景中，当需要插入的对象较多时，用户手工交互较多。2007年Hays等人通过利用网络中海量的对象来对场景中缺失的对象进行修复。2009年Mathias等人设计了一个基于结构图的图像检索系统来进行图像合成。总而言之，这些方法都是基于大量手工标注的基础上来实现场景合成，代价较大。
技术实现思路
根据上述实际需求和关键问题，本专利技术的目的在于提出一种。本专利技术采用的技术方案是， 主要包括将输入目标图像和从场景库中选取的参考图像从RGB颜色空间转换到Lab颜色空间；利用11基本色，对目标图像和参考图像进行颜色分类，分别求出目标图像和参考图像中每个颜色类的颜色均值，形成目标图像和参考图像的主色调；利用局部线性嵌入，为目标图像中所有像素颜色值构建局部线性关系，克服空洞颜色转换过程中出现颜色偏差而造成效果不佳问题，保证填补后图像场景在视觉上的合理性；利用约束优化罚函数法，通过能量最小化，求出结果图像中每个像素点的颜色值，并转换会RGB颜色空间；使用Grabcut算法对目标图像进行前景提取，去掉目标图像中无关的背景图像；利用Active Contour算法对提取出的前景图像进行轮廓检验，获取前景图像的完整轮廓信息；在检测出轮廓图像的中， 交互式的指定一个完整的对象轮廓，并将它作为轮廓模板，扫描整个轮廓图像，检测出所有的其他同类型对象；从对象库中选定一个符合指定季节特征的对象，插入到场景中，根据场景中检测出来的对象尺寸，进行放缩、旋转；以已经插入的对象为参考模板，结合场景图像中已找出来的重复元素的位置信息，自动地进行编辑传播，生成同类型不同大小、方向的具有季节特征的场景对象；将生成的对象与颜色转换后的场景进行融合，生成最终的具有指定季节特征的场景。利用11基本色对图像进行颜色分类，一方面11基本色标准，符合人类视觉对颜色区分的特征，能够正确的对颜色进行归类；另一方面通过颜色分类，能够尽可能保持目标图像颜色类的丰富性，使得生成的结果图像的颜色类不丢失。同时，考虑到参考图像的颜色类会比较少，不能够和目标图像的颜色类建立起一一对应的映射关系。因此，对参考图像采取了缺失颜色类主色调估计的方法，保证了最终的结果图像在视觉上的合理性。局部线性关系的保持主要是为保持目标图像颜色空间的线性关系。目标图像颜色空间的线性关系，反映本文档来自技高网...
【技术保护点】
１．基于颜色转换和编辑传播的图像季节特征增强方法，其特征在于包含以下步骤：（１）将输入目标图像和从场景库中选取的参考图像从ＲＧＢ颜色空间转换到Ｌａｂ颜色空间；（２）在Ｌａｂ颜色空间中，利用１１基本色，对转换到Ｌａｂ颜色空间后的目标图像和参考图像进行颜色分类，分别求出目标图像和参考图像中每个颜色类的颜色均值，形成目标图像和参考图像的主色调；（３）利用局部线性嵌入，为目标图像中所有像素颜色值构建局部线性关系，克服空洞颜色转换过程中出现颜色偏差而造成效果不佳问题，保证填补后图像场景在视觉上的合理性；（４）利用约束优化罚函数法，通过能量最小化，求出将目标图像颜色迁移后的结果图像中每个像素点的颜色值，并从Ｌａｂ颜色空间转换回ＲＧＢ颜色空间；（５）使用Ｇｒａｂｃｕｔ算法对目标图像进行前景提取，去掉目标图像中与对象提取无关的背景图像；（６）利用Ａｃｔｉｖｅ Ｃｏｎｔｏｕｒ算法对提取出的前景图像进行轮廓检验，获取前景图像的完整轮廓信息；（７）在检测出轮廓图像的中，交互式地指定一个完整的对象轮廓，并将它作为轮廓模板，扫描整个轮廓图像，检测出所有的其他同类型对象；（８）从对象库中选定一个符合指定季节特征的对象，插入到场景中，根据场景中检测出来的重复元素的尺寸，进行放缩、旋转；（９）以已经插入的对象为参考模板，结合场景图像中已找出来的重复元素的位置信息，自动地进行编辑传播，生成同类型不同大小、方向的具有季节特征的场景对象；（１０）将生成的对象与颜色转换后的场景进行融合，生成最终的具有指定季节特征的场景。...
【技术特征摘要】
【专利技术属性】
技术研发人员：陈小武，赵沁平，邹冬青，李健伟，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11
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。