前景图像提取方法技术

本发明专利技术公开了一种前景图像提取方法，包括图像景深分类及色彩信息切割，图像景深分类采用Kinect设备找出前景图像的景深区域、背景图像的景深区域以及未侦测到景深的判断区域，所述色彩信息切割的方法包括：S1.将图像由RGB颜色空间转为L*a*b*颜色空间；S2.对图像进行sobel边缘检测；S3.对S2取得的边缘梯度值进行分水岭切割；S4.将L*、a*、b*色彩信息分别对应到分水岭切割后的区块中进行平均值与标准差的计算；S5.将前景图像区域的特征值与判断区域的特征值做比较，相似的区域加入前景图像区域中，不相近似的加入背景图像中。本发明专利技术采用结合图像的色彩特征对Kinect分类区域进行补充修正，改善了Kinect提取前景图像的准确率，同时缩短了提取的运算时间，提高计算效率。

【技术实现步骤摘要】

本专利技术涉及一种图像获取及处理领域，尤其涉及一种对获取的图像进行前景提取的方法。
技术介绍
在近年来流行的智慧型装置中，非常强调人机互动，让人与机器之间能以简单、正确、迅速的方式进行沟通，为让人机互动形式更丰富、细腻，可以增加人脸识别、手势识别及体感识别等功能，其中，体感识别目前经常应用与商业及娱乐中，是ー种较为热门的技木。这项技术的关键在于图像处理，在图像处理的
中，对于任意场景环境中有效的对前景图像进行切割是个复杂的问题，尽管有许多学者提出各种方式来解决，如针对低景深图像进行显著物件的切割、图像颜色特征使用粒子群演算法来分类物体群、透过光度立体技术来达到基于形状的图像切割以及利用三角測量的方式找出图像中人的肢体进行切割等方式，这些方式都需要图像特征符合指定的条件才能进行，因此具有很大的挑战性。在一个场景的图像中大致可以分为前景和背景，而显著物体大多会位于前景之中，而当ー个场景图像结合了 3D的深度信息，借由物体所对应的深度位置，就可以快速的分类出前景和背景的物体区域，也能在任意的场景环境中进行动态人像的切割。Microsoft推出的Kinect体感设备可以取得图像的色彩信息、景深信息、提供人像辨识和人体骨架等丰富的信息。其是使用红外线投影的方式计算图像景深，由于红外线在整个投影的过程中可能被光滑物体所折射或者被较黑的物体所吸收，会造成无法接收到信息的问题，让深度的信息流失，最后造成前景图像切割在边缘产生不规则的锯齿状或破洞的結果。
技术实现思路
本专利技术所要解决的技术问题在于，提供ー种，包括图像景深分类及色彩信息切割，其中图像景深分类采用Kinect设备追踪校准找出前景图像的景深区域、背景图像的景深区域以及未侦测到景深的判断区域，为了让不确定的区域能产生在前景图像的周围，在对图像景深分类时对前景图像的区域进行扩张。所述色彩信息切割的方法包括:SI将图像由RGB颜色空间转为L*a*b*颜色空间，在色彩信息切割的时候，由于L*a*b*的设计较为接近人类的视觉，因此选择这种色彩空间进行处理。S2对对图像L*值进行sobel边缘检测。进ー步地，步骤S2进行边缘检测之前针对L*进行平滑滤波去除杂讯。S3对S2取得的边缘梯度值进行分水岭切割。分水岭算法的分割概念是假设图像中像素点的值代表高度，而当ー个局部区域中找到最低点，该点所影响到的范围就成为蓄水盆，在多个蓄水盆之间的所交接的边界就称为分水岭。进ー步地，由于Sobel的梯度图中有些微弱的梯度值用来表示人眼难以察觉的边缘特征，这些值会影响分水岭算法的判断，从而造成图像的过度切割，因此在进行分水岭切割前还对S2检测到的边缘梯度值进行削弱，让ー些区块能够合并起来，排除过度切割的问题。在本专利技术中，特征值是指在一个区块内特征数值化所代表的值，我们使用区块的平均值表示该区块整体的数值倾向，使用区块的标准差表示区块中数值的浮动程度，在步骤S4中，将L*、a*、b*色彩信息分别对应到分水岭切割后的区块中进行平均值与标准差的计算。S5将前景图像区域的特征值与判断区域的特征值做比较，相似的区域加入前景图像区域中，不相近似的加入背景图像中。进ー步地，步骤S5中对与所述判断区域距离为D以内的前景区域进行特征值进行比较。需要说明的是，在前景图像为人像的图像中，所述距离D为人像头部骨架点到颈部骨架点之间的半颗头骨架的距离。进ー步地，在距离所述判断区域为D以内的前景区域选取3个区块进行特征值比较。实施本专利技术，具有如下有益效果:本专利技术采用结合图像的色彩特征对Kinect分类区域进行补充修正，改善了Kinect提取前景图像的准确率，同时缩短了提取的运算时间，提高计算效率。【附图说明】图1是本专利技术流程示意图；图2是采用Kinect设备对图像进行图像景深分类示意图；图3是本专利技术判断区域产生过程的示意图；图4是本专利技术分水岭切割的示意图；图5是Sobel边缘检测示意图；图6是分水岭过度切割的示意图；图7是本专利技术分水岭切割的示意图；图8是本专利技术寻找比较区块的示意图；图9是本专利技术实验数据与结果示意图。【具体实施方式】为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进ー步地详细描述。如图1所示，本专利技术的识别方法的步骤包括采用Kinect设备追踪校准找出前景图像的景深区域、背景图像的景深区域以及未侦测到景深的判断区域；采用色彩信息切割的方法在判断区域中进行切割区块的筛选；去除为连接的区块从而形成新的前景图像。色彩信息切割方法包括以下步骤:SI将图像由RGB颜色空间转为L*a*b*颜色空间；S2对图像进行sobel边缘检测；S3对S2取得的边缘梯度值进行分水岭切割；S4将L*、a*、b*色彩信息分别对应到分水岭切割后的区块中进行平均值与标准差的计算；S5将前景图像区域的特征值与判断区域的特征值做比较，相似的区域加入前景图像区域中，不相近似的加入背景图像中。采用Kinect找出的图像景深分类参照图2所示，其中图2(a)为实验采用的图像， 图2 (b)为图像的色彩信息，图2 (c)为图像的景深分类，图2 (d)为通过对图像的景深分类后提取的前景图像。Kinect进行追踪校准时对图像景深的分类如图2 (c)所示，其中区域I为背景图像的景深区域，II为前景图像的景深区域，图2 (c)中空白的区域III为判断区域。 本专利技术实施例的目的在于找出判断区域III中所流失的前景图像区域。图3是本专利技术判断区域产生过程的示意图，在实际操作中发现，由现有的Kinect 设备实现的图像景深分类，不但有未检测到的前景图像区域的流失，还有一部分背景图像的区域被误归到前景图像的区域中。图中图3 (a)和图3 (b)分别是经过分类后所产生的前景图像区域和背景图像区域，图3 (C)为图3 (a)侵蚀之后的结果，除去了部分背景图像被归类为前景的问题，图3 (d)是图3 (b)扩张后的结果，为一个包含完整人像的区域，图3 (e)为人像的范围去掉背景图像区域所产生的可能区域，图3 (f)则为图3 (b)侵蚀后的结果，去掉前景图像中所掺杂到背景图像的问题，图3 (g)是图3 (e)可能区域去掉确定的人像区域后产生的判断区域，是本专利技术用来判断前景图像区域和背景图像区域的重要区域，图3 (h)为判断区域对应到色彩信息的结果，从图中可以看出，判断区域能同时包含前景图像和背景图像。在本实施例中，要生成判断区域，首先以[5X5]的圆侵蚀背景图像区域和前景图像区域，用来消除被错误分类到背景图像区域的前景图像，接着为了让判断区域能产生在前景图像区域附近，因此对前景图像区域进行[odd (D) Xodd (D)]的圆进行扩张。其中odd表示让数值无条件进位为奇数，D则表示在平面图像上人体头部的骨架点到颈部骨架点之间的欧几里得距离，这个参数可以直接从设备上获得，用骨架是因为在前景区域人像所失去的信息中以头部最为严重，有时候会严重到失去半个头，所以D用来作为扩张范围，让扩张的结果能保住整个人像，针对人像的可能区域转换公式如(I)所示:Hupossible ⑴=max (Fgexpansion ⑴-Bgerositm ⑴，0)(I)其中i为当前的像素点，max ()为取最大值，而取出的最小值为0，Fgexpans^代表扩张后本文档来自技高网...

【技术保护点】
一种前景图像提取方法，包括图像景深分类及色彩信息切割，其中图像景深分类采用Kinect设备追踪校准找出前景图像的景深区域、背景图像的景深区域以及未侦测到景深的判断区域，其特征在于，所述色彩信息切割的方法包括：S1将图像由RGB颜色空间转为L*a*b*颜色空间；S2对图像进行sobel边缘检测；S3对S2取得的边缘梯度值进行分水岭切割；S4将L*、a*、b*色彩信息分别对应到分水岭切割后的区块中进行平均值与标准差的计算；S5将前景图像区域的特征值与判断区域的特征值做比较，相似的区域加入前景图像区域中，不相近似的加入背景图像中。

【技术特征摘要】
1.一种前景图像提取方法，包括图像景深分类及色彩信息切割，其中图像景深分类采 用Kinect设备追踪校准找出前景图像的景深区域、背景图像的景深区域以及未侦测到景 深的判断区域，其特征在于，所述色彩信息切割的方法包括:SI将图像由RGB颜色空间转为L*a*b*颜色空间；S2对图像进行sobel边缘检测；S3对S2取得的边缘梯度值进行分水岭切割；S4将L*、a*、b*色彩信息分别对应到分水岭切割后的区块中进行平均值与标准差的计算；S5将前景图像区域的特征值与判断区域的特征值做比较，相似的区域加入前景图像区 域中，不相近似的加入背景图像中。2.根据权利要求1所述的前景图像提取方法，其特征在于，在对图像景深分类时对前 景图像的区域进行扩...

【专利技术属性】
技术研发人员：庄礼鸿，吴明霓，邹丰懋，
申请(专利权)人：汕头大学，
类型：发明
国别省市：