專利名稱：基于識(shí)別模型的批量圖像分割方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)及計(jì)算機(jī)視覺領(lǐng)域，尤其涉及一種從圖片中基于被選擇的識(shí)別模型自動(dòng)分割與模型匹配的部分的方法及其系統(tǒng)。
背景技術(shù)：
圖像分割是指將圖像按照一定的規(guī)則或目的分割為多個(gè)部分的過程，例如將一幅山水畫的圖像分割為包含山的部分、包含水的部分以及其他部分，又如將一幅人像的圖像中的人物同背景分割出來的過程。圖像分割技術(shù)在實(shí)際中應(yīng)用廣泛，應(yīng)用領(lǐng)域包括醫(yī)學(xué)影像、衛(wèi)星定位以及圖像后期美化處理等。近年來，隨著軟硬件技術(shù)的飛速發(fā)展，一些個(gè)人計(jì)算機(jī)上的圖像處理軟件甚至是一些手機(jī)應(yīng)用都提供了圖像分割的功能，可以方便使用者對(duì)拍攝的照片進(jìn)行后期處理(去除雜物、圖像拼接等)。然而現(xiàn)階段這部分功能的視線都需要用戶手動(dòng)的在圖像中圈出需要分割的部分的輪廓，并且圖像分割的處理結(jié)果與用戶所圈出的輪廓的準(zhǔn)確程度有很大的關(guān)系，這對(duì)用戶的交互操作提出了很高的要求。除此之外，需要用戶手動(dòng)在圖像上畫出輪廓的操作也決定了現(xiàn)有的圖像處理軟件無法對(duì)多張圖像進(jìn)行批量的圖像分割處理。因此，迫切需要開發(fā)出一種圖像分割模塊，其具有只需用戶簡單的操作即可對(duì)多張圖像進(jìn)行批量分割處理的功能?；谧R(shí)別模型的批量圖像分割，顧名思義，就是用戶選取想要分割出的識(shí)別模型以及需要進(jìn)行圖像分割操作的一張或多張圖片后，采用一系列機(jī)器學(xué)習(xí)及模式識(shí)別的算法，對(duì)分割的圖片中匹配待匹配的部分進(jìn)行判斷，并將分割后的前景和背景數(shù)據(jù)顯示在軟件中，用戶可以對(duì)分割后的圖像進(jìn)行進(jìn)一步的操作，如刪除或保存等。這種方式極大地簡化了用戶的操作，并為用戶節(jié)約了寶貴的時(shí)間。

發(fā)明內(nèi)容
為了克服現(xiàn)有圖像處理軟件無法對(duì)圖片進(jìn)行批量圖像分割處理的缺點(diǎn)，提供一種基于識(shí)別模型的，對(duì)批量圖片模型的對(duì)應(yīng)的位置進(jìn)行自動(dòng)匹配和分割，并將分割出的前景和背景數(shù)據(jù)顯示在軟件中，方便用戶進(jìn)行后期處理的方法和系統(tǒng)。本發(fā)明提供了一種基于識(shí)別模型的批量圖像分割的方法，包括以下步驟:I)系統(tǒng)進(jìn)入模型選擇模式；2)系統(tǒng)獲得用戶所選擇的識(shí)別模型，進(jìn)入圖片選擇模式；3)系統(tǒng)獲得用戶所選擇的圖片；4)系統(tǒng)基于2)步驟中獲得的識(shí)別模型，對(duì)3)步驟中獲得的圖片數(shù)據(jù)運(yùn)行批量圖像分割算法，獲取圖片中分割出的部分；5)系統(tǒng)將處理結(jié)果傳送至輸出單元；本發(fā)明提供了一種基于識(shí)別模型的批量圖像分割算法，該算法基于用戶所選擇的一個(gè)或多個(gè)局部可變模型及對(duì)應(yīng)的圖像特征，對(duì)一張或多張圖片中不同分辨率下的不同細(xì)節(jié)分別進(jìn)行匹配和評(píng)分，最后對(duì)評(píng)分結(jié)果進(jìn)行相加。本發(fā)明提供了一種基于識(shí)別模型的批量圖像分割的系統(tǒng)，包括以下單元:I)接收單元，接收用戶選擇的識(shí)別模型以及圖片；2)圖像分割單元，進(jìn)行核心的圖像分割過程；3)輸出單元，對(duì)分割后的結(jié)果進(jìn)行輸出。本發(fā)明的優(yōu)點(diǎn)是:I)克服了現(xiàn)有圖像處理軟件無法對(duì)批量圖片進(jìn)行圖像分割的缺點(diǎn)，填補(bǔ)了目前這一領(lǐng)域的技術(shù)空白；2)進(jìn)一步提升了圖像處理軟件的功能，為用戶對(duì)照片處理提供了便利，節(jié)省了用戶后期處理的時(shí)間；3)采用了一系列機(jī)器學(xué)習(xí)及模式識(shí)別的算法，對(duì)照片中匹配區(qū)域進(jìn)行選擇和判斷，大幅度提高了系統(tǒng)的自動(dòng)化程度和效率。


圖1為本發(fā)明提供的一種基于識(shí)別模型的批量圖像分割方法的工作流程圖；圖2為本發(fā)明提供的一種基于識(shí)別模型的批量圖像分割算法的工作流程圖。圖3為本發(fā)明提供的一種基于識(shí)別模型的批量圖像分割系統(tǒng)的結(jié)構(gòu)示意具體實(shí)施例方式下面將結(jié)合本發(fā)明中的附圖，對(duì)本發(fā)明的技術(shù)方案進(jìn)行清晰、完整地描述?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，接下來將參照附圖對(duì)本發(fā)明實(shí)施例進(jìn)行詳細(xì)的說明。如圖1所示，基于識(shí)別模型的批量圖像分割方法的工作流程包括以下幾個(gè)步驟:用戶在圖像處理軟件的控制面板上進(jìn)行選擇要匹配的識(shí)別模型，系統(tǒng)獲得用戶所選擇的模塊，然后進(jìn)入圖片選擇界面；用戶在圖片選擇界面選擇要進(jìn)行圖像分割處理的圖片；系統(tǒng)獲得輸入單元傳來的原始圖像數(shù)據(jù)和識(shí)別模型數(shù)據(jù)；系統(tǒng)依次對(duì)每張圖片的原始圖像數(shù)據(jù)基于用戶所選擇的識(shí)別模型運(yùn)行圖像分割算法，檢測(cè)圖像中的與模型所匹配的區(qū)域，其工作原理如圖2所示；系統(tǒng)對(duì)圖像分割處理結(jié)果傳送至輸出單元。如圖2所示，基于識(shí)別模型的批量圖像分割算法分為以下幾個(gè)步驟:步驟1，獲取原始圖像數(shù)據(jù)，及用戶選擇的已經(jīng)過訓(xùn)練存儲(chǔ)在存儲(chǔ)介質(zhì)中的多級(jí)局部可變模型；步驟2，提取圖像中的特征，本發(fā)明中采用的是一種15X1536維的GIST特征；步驟3，使用不同的識(shí)別模型，分別與提取的特征進(jìn)行匹配，并對(duì)匹配結(jié)果加權(quán)求和獲得如景掩碼圖像(mask)；步驟4，根據(jù)掩碼圖像初始化前景/背景模型。；
步驟5，使用前景/背景模型對(duì)圖像進(jìn)行二值分割，并將分割結(jié)果與前景/背景模型進(jìn)行比較，若收斂，則為最終結(jié)果，否則，迭代步驟5 ；步驟6，輸出最終分割結(jié)果。圖3所示，本發(fā)明實(shí)施一種基于識(shí)別模型的批量圖像分割系統(tǒng)，包括以下單元:接收單元，用于接收用戶選擇的識(shí)別模型數(shù)據(jù)以及圖片數(shù)據(jù)(即原始圖像信息)，并將模型數(shù)據(jù)和圖像數(shù)據(jù)交由圖像分割單元進(jìn)行處理。圖像分割單元，用于檢測(cè)圖像中的與所選模塊匹配的部分，處理結(jié)果(即分割出的前景和背景數(shù)據(jù))傳輸至輸出單元。輸出單元，輸出檢測(cè)結(jié)果到軟件中。最后，應(yīng)當(dāng)指出，以上實(shí)施例僅是本發(fā)明較有代表性的例子。顯然，本發(fā)明的技術(shù)方案并不限于上述實(shí)施例，還可以有許多變形。本領(lǐng)域的普通技術(shù)人員可在不脫離本發(fā)明的發(fā)明思想情況下，對(duì)于上述實(shí)施例做出種種修改或變化，因而本發(fā)明的保護(hù)范圍并不被上述實(shí)施例所限，而應(yīng)該是符合權(quán)利要求書提到的創(chuàng)新性特征的最大范圍。
權(quán)利要求
1.一種基于識(shí)別模型的圖像分割方法，其特征在于，包括以下步驟: 1)提供多種識(shí)別模型供用戶選擇； 2)獲取用戶手動(dòng)選擇的識(shí)別模型； 3)進(jìn)入圖片選取模式，獲取用戶選擇的需進(jìn)行處理的圖像； 4)基于用戶所選擇的模型，對(duì)用戶選擇的圖像運(yùn)行基于識(shí)別模型的圖像分割算法，獲取圖像中與每個(gè)模型相匹配的部分，將圖像分割為前景和背景； 5)將分割后的前景和背景數(shù)據(jù)傳送至輸出單元。
2.如權(quán)利要求1的步驟4)所述的基于識(shí)別模型的批量圖像分割算法，其特征在于，所述的算法包括以下步驟: 1)通過收集大量互聯(lián)網(wǎng)上的圖片，形成圖片數(shù)據(jù)庫，通過訓(xùn)練圖片數(shù)據(jù)庫中的所有圖片形成不同的識(shí)別模型，供用戶選擇，用戶根據(jù)所選擇的圖像，選擇合適的識(shí)別模型； 2)使用不同的識(shí)別模型分別對(duì)圖像進(jìn)行檢測(cè)，識(shí)別出圖像中各類模型的前景區(qū)域，并使用檢測(cè)窗口標(biāo)記每個(gè)區(qū)域的所在位置； 3)對(duì)每一檢測(cè)窗口所標(biāo)記的圖像區(qū)域，計(jì)算該區(qū)域的圖像特征； 4)收集所有區(qū)域的圖像特征，與訓(xùn)練特征進(jìn)行逐個(gè)匹配，這里的訓(xùn)練特征是之前存儲(chǔ)在系統(tǒng)中的，通過對(duì)訓(xùn)練圖像進(jìn)行檢測(cè)并通過特征提取獲取收集的，特征經(jīng)匹配后的結(jié)果進(jìn)行加權(quán)相加，獲得前景預(yù)測(cè)掩碼，使用I或O標(biāo)記前景與背景區(qū)域； 5)根據(jù)前景的預(yù)測(cè)掩碼，建立圖像的前景和背景的高斯混合模型，并根據(jù)建立的模型估計(jì)圖像的前景，若所估計(jì)的結(jié)果收斂到某塊區(qū)域，則此區(qū)域?yàn)樽罱K的圖像分割結(jié)果。
3.一種使用權(quán)利要求1所述的方法的系統(tǒng)，其特征在于，包括以下三個(gè)依次連接的單元: 1)輸入單元，接收用戶選擇的需進(jìn)行處理的圖片及對(duì)應(yīng)的識(shí)別模型，并傳送至圖像分表I]單兀； 2)圖像分割單元，根據(jù)輸入單元傳輸進(jìn)來的圖像及識(shí)別模型，首先進(jìn)行識(shí)別，檢測(cè)圖像中用戶所選擇模型的對(duì)應(yīng)區(qū)域；然后進(jìn)行圖像分割操作，將分割后的前景和背景結(jié)果傳送至輸出單元； 3)輸出單元，對(duì)分割后的結(jié)果進(jìn)行輸出，用戶可對(duì)分割后的前景和背景圖像進(jìn)行其他后期操作。
4.如權(quán)利要求3所述的系統(tǒng)，其特征在于輸入單元1)，包括存儲(chǔ)模塊與用戶交互模塊，與圖像分割單元相連接，接收用戶選擇的模型數(shù)據(jù)和圖像數(shù)據(jù)交由圖像分割單元進(jìn)行處理。
5.如權(quán)利要求3所述的系統(tǒng)，其特征在于圖像分割單元2)，包括檢測(cè)模塊，模型識(shí)別匹配模塊與圖像分割模塊，與輸入單元，輸出單元相連接，接收輸入單元傳入的數(shù)據(jù)并進(jìn)行分割處理后將分割后的前景和背景數(shù)據(jù)傳輸至輸出單元。
6.如權(quán)利要求3所述的系統(tǒng)，其特征在于輸出單元3)，包括顯示模塊與存儲(chǔ)模塊，分割結(jié)果可作為圖像進(jìn)行顯示，同時(shí)存儲(chǔ)供用戶進(jìn)一步進(jìn)行其他操作。
全文摘要
本發(fā)明提供了一種基于識(shí)別模型的批量圖像分割方法及系統(tǒng)。目前許多桌面圖像處理軟件甚至是一些移動(dòng)設(shè)備上的應(yīng)用都提供了圖像分割的功能，用于將一幅圖片中的前景和背景進(jìn)行分離。但是這類軟件通常需要用戶手動(dòng)圈出圖片中前景的輪廓，對(duì)用戶的交互操作要求較高，并且無法對(duì)多張圖像進(jìn)行批量處理。本發(fā)明針對(duì)上述問題設(shè)計(jì)，為用戶提供多種不同的基于識(shí)別的模型，用戶只需手動(dòng)選擇一個(gè)或多個(gè)模型，然后再選取要處理的圖片，系統(tǒng)即可根據(jù)用戶所選擇的模型自動(dòng)對(duì)所有圖片進(jìn)行分割操作。
文檔編號(hào)G06K9/62GK103116754SQ20131002990
公開日2013年5月22日 申請(qǐng)日期2013年1月24日 優(yōu)先權(quán)日2013年1月24日
發(fā)明者陳純, 卜佳俊, 朱建科, 劉釗, 仇卓 申請(qǐng)人:浙江大學(xué)