分類模型創(chuàng)建方法、圖像分割方法及相關(guān)裝置制造方法
【專利摘要】本公開實(shí)施例公開了一種分類模型創(chuàng)建方法、圖像分割方法及裝置，所述分類模型創(chuàng)建方法采用前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ秃皖伾迫荒Ｐ偷玫椒诸惸Ｐ?，利用所述分類模型能夠自?dòng)確定圖像中的前景樣本像素點(diǎn)和背景樣本像素點(diǎn)，用戶不必執(zhí)行指定前景和背景的操作，從而實(shí)現(xiàn)圖像分割過程的自動(dòng)化。而且，本公開的分類模型創(chuàng)建方法結(jié)合了前景像素點(diǎn)的空間位置信息及顏色特征信息，根據(jù)前景像素點(diǎn)的空間位置信息能夠排除一些與前景像素點(diǎn)的顏色相同但不是前景的像素點(diǎn)，因此能夠提高分割精度。
【專利說明】分類模型創(chuàng)建方法、圖像分割方法及相關(guān)裝置

【技術(shù)領(lǐng)域】
[0001] 本公開涉及圖像處理【技術(shù)領(lǐng)域】，特別是涉及一種圖像分割方法及相關(guān)裝置。

【背景技術(shù)】
[0002] 圖像分割是圖像分析的關(guān)鍵步驟，利用創(chuàng)建的分類模型對圖像中的像素點(diǎn)進(jìn)行劃 分，得到若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域，并從若干個(gè)區(qū)域中提取出目標(biāo)的過程。
[0003] 相關(guān)技術(shù)中的圖像分割方法中的分類模型，不知道圖像中的哪些像素點(diǎn)是前景像 素點(diǎn)（即，目標(biāo)像素點(diǎn)），哪些像素點(diǎn)是背景像素點(diǎn)（即，非目標(biāo)像素點(diǎn)）。因此，需要用戶 指定圖像中的前景像素點(diǎn)和背景像素點(diǎn)。然后，再根據(jù)前景像素點(diǎn)和背景像素點(diǎn)的顏色特 征向量，分別對前景和背景進(jìn)行顏色建模，最后采用顏色模型對圖像進(jìn)行分割，最終得到前 景分割結(jié)果。此種分類模型必須由用戶先選取圖像中的前景和背景的樣本像素點(diǎn)，依賴于 用戶的操作，不是完全自動(dòng)對圖像進(jìn)行分割。而且，此種分割方法的分類模型只考慮到了圖 像像素的顏色特征，完全沒有考慮其它信息，分割時(shí)參考的信息單一，導(dǎo)致分割精度較低。


【發(fā)明內(nèi)容】

[0004] 為克服相關(guān)技術(shù)中存在的問題，本公開提供一種分類模型創(chuàng)建方法、圖像分割方 法及相關(guān)裝置。
[0005] 為了解決上述技術(shù)問題，本公開實(shí)施例公開了如下技術(shù)方案：
[0006] 根據(jù)本公開實(shí)施例的第一方面，提供一種分類模型創(chuàng)建方法，用于對圖像進(jìn)行分 害!]，所述方法包括：
[0007] 根據(jù)前景像素點(diǎn)與預(yù)設(shè)特征之間的位置關(guān)系，對樣本圖像訓(xùn)練得到前景像素點(diǎn)的 位置先驗(yàn)?zāi)Ｐ停?br> [0008] 根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，從樣本圖像中選取前景樣本像素點(diǎn)和背景 樣本像素點(diǎn)；
[0009] 根據(jù)所述前景樣本像素點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏色似然模型，以及根據(jù)所述背 景樣本像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏色似然模型；
[0010] 根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?、所述前景像素點(diǎn)的顏色似然模型以及所述 背景像素點(diǎn)的顏色似然模型，得到圖像的分類模型，所述分類模型用于確定待分割圖像的 前景像素點(diǎn)和背景像素點(diǎn)。
[0011] 結(jié)合第一方面，在第一方面的第一種可能的實(shí)現(xiàn)方式中，所述根據(jù)前景像素點(diǎn)與 預(yù)設(shè)特征之間的位置關(guān)系，對樣本圖像訓(xùn)練得到前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，采用如下?式：
[0012] 對全部的樣本圖像根據(jù)所述預(yù)設(shè)特征進(jìn)行定位；
[0013] 根據(jù)定位結(jié)果，對樣本圖像進(jìn)行歸一化；
[0014] 計(jì)算歸一化后的樣本圖像中的任意像素點(diǎn)是前景像素點(diǎn)的概率，得到前景像素點(diǎn) 的位置先驗(yàn)?zāi)Ｐ汀?br> [0015] 結(jié)合第一方面，在第一方面的第二種可能的實(shí)現(xiàn)方式中，根據(jù)所述前景樣本像素 點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏色似然模型，采用如下方式：
[0016] 根據(jù)顏色間的相似性，將前景樣本像素點(diǎn)進(jìn)行聚類，得到各個(gè)聚類結(jié)果的聚類中 心像素點(diǎn)；
[0017] 根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之 間的距離、各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚類中心像素點(diǎn)的權(quán) 重，獲取所述前景樣本像素點(diǎn)對應(yīng)的顏色特征向量的概率分布信息，得到所述前景像素點(diǎn) 的顏色似然模型。
[0018] 結(jié)合第一方面，在第一方面的第三種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述背景樣本 像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏色似然模型，采用如下方式：
[0019] 根據(jù)顏色間的相似性，將背景樣本像素點(diǎn)進(jìn)行聚類，得到各個(gè)聚類結(jié)果的聚類中 心像素點(diǎn)；
[0020] 根據(jù)背景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之 間的距離、各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚類中心像素點(diǎn)的權(quán) 重，獲取所述背景樣本像素點(diǎn)對應(yīng)的顏色特征向量的概率分布信息，得到所述背景像素點(diǎn) 的顏色似然模型。
[0021] 結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第一方面的第四種可能的實(shí)現(xiàn)方式 中，所述根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間 的距離，以及，聚類中心像素點(diǎn)的權(quán)重，獲取所述前景樣本像素點(diǎn)對應(yīng)的顏色特征向量分布 信息，得到所述前景像素點(diǎn)的顏色似然模型，采用如下方式：
[0022] 獲取各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離的平均值；
[0023] 根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之 間的距離與所述距離的平均值的商，以及所述聚類中心像素點(diǎn)的權(quán)重，利用相應(yīng)的似然函 數(shù)，計(jì)算得到所述前景像素點(diǎn)的顏色似然模型。
[0024] 結(jié)合第一方面，在第一方面的第五種可能的實(shí)現(xiàn)方式中，根據(jù)所述前景像素點(diǎn)的 位置先驗(yàn)?zāi)Ｐ?、所述前景像素點(diǎn)的顏色似然模型以及所述背景像素點(diǎn)的顏色似然模型，得 到圖像的分類模型，采用如下方式：
[0025] 獲取前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ团c前景像素點(diǎn)的顏色似然模型的乘積，得到前景 分類模型；
[0026] 根據(jù)前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ偷玫奖尘跋袼攸c(diǎn)的位置先驗(yàn)?zāi)Ｐ停?br> [0027] 獲取背景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ团c背景像素點(diǎn)的顏色似然模型的乘積，得到背景 分類模型。
[0028] 根據(jù)本公開實(shí)施例的第二方面，提供一種圖像分割方法，包括：
[0029] 利用上述的任一種分類模型創(chuàng)建方法得到的分類模型，確定待分割圖像中的全部 前景像素點(diǎn)和背景像素點(diǎn)；
[0030] 將所述待分割圖像中全部的前景像素點(diǎn)所在的區(qū)域作為分割結(jié)果。
[0031] 根據(jù)本公開實(shí)施例的第三方面，提供一種分類模型創(chuàng)建裝置，用于對圖像進(jìn)行分 害I]，所述裝置包括：
[0032] 位置先驗(yàn)?zāi)Ｐ徒卧糜诟鶕?jù)前景像素點(diǎn)與預(yù)設(shè)特征之間的位置關(guān)系，對樣 本圖像訓(xùn)練得到前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ停?br> [0033] 樣本像素點(diǎn)提取單元，用于根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ停瑥臉颖緢D像中 選取前景樣本像素點(diǎn)和背景樣本像素點(diǎn)；
[0034] 第一似然模型訓(xùn)練單元，用于根據(jù)所述前景樣本像素點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏 色似然模型；
[0035] 第二似然模型訓(xùn)練單元，用于根據(jù)所述背景樣本像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏 色似然模型；
[0036] 分類模型確定單元，用于根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?、所述前景像素點(diǎn) 的顏色似然模型以及所述背景像素點(diǎn)的顏色似然模型，得到圖像的分類模型，所述分類模 型用于確定待分割圖像的前景像素點(diǎn)和背景像素點(diǎn)。
[0037] 結(jié)合第三方面，在第三方面的第一種可能的實(shí)現(xiàn)方式中，所述位置先驗(yàn)?zāi)Ｐ徒?單元包括：
[0038] 圖像定位子單元，用于對全部的樣本圖像根據(jù)所述預(yù)設(shè)特征進(jìn)行定位；
[0039] 歸一化子單元，用于根據(jù)定位結(jié)果，對樣本圖像進(jìn)行歸一化；
[0040] 第一計(jì)算子單元，用于計(jì)算歸一化后的樣本圖像中的任意像素點(diǎn)是前景像素點(diǎn)的 概率，得到前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ汀?br> [0041] 結(jié)合第三方面，在第三方面的第二種可能的實(shí)現(xiàn)方式中，所述第一顏色似然模型 訓(xùn)練單元包括：
[0042] 第一聚類子單元，用于根據(jù)顏色間的相似性，將前景樣本像素點(diǎn)進(jìn)行聚類，得到各 個(gè)聚類結(jié)果的聚類中心像素點(diǎn)；
[0043] 第一獲取子單元，用于根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素 點(diǎn)的顏色特征向量之間的距離、各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚 類中心像素點(diǎn)的權(quán)重，獲取所述前景樣本像素點(diǎn)對應(yīng)的顏色特征向量的概率分布信息，得 到所述前景像素點(diǎn)的顏色似然模型。
[0044] 結(jié)合第三方面，在第三方面的第三種可能的實(shí)現(xiàn)方式中，所述第二顏色似然模型 訓(xùn)練單元包括：
[0045] 第二聚類子單元，用于根據(jù)顏色間的相似性，將背景樣本像素點(diǎn)進(jìn)行聚類，得到各 個(gè)聚類結(jié)果的聚類中心像素點(diǎn)；
[0046] 第二獲取子單元，用于根據(jù)背景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素 點(diǎn)的顏色特征向量之間的距離、各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚 類中心像素點(diǎn)的權(quán)重，獲取所述背景樣本像素點(diǎn)對應(yīng)的顏色特征向量的概率分布信息，得 到所述背景像素點(diǎn)的顏色似然模型。
[0047] 結(jié)合第三方面的第二種可能的實(shí)現(xiàn)方式，在第三方面的第四種可能的實(shí)現(xiàn)方式 中，所述第一獲取子單元包括：
[0048] 第三獲取子單元，用于獲取各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離的平 均值；
[0049] 第二計(jì)算子單元，用于根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素 點(diǎn)的顏色特征向量之間的距離與所述距離的平均值之間的商，以及所述聚類中心像素點(diǎn)的 權(quán)重，利用相應(yīng)的似然函數(shù)，計(jì)算得到所述前景像素點(diǎn)的顏色似然模型。
[0050] 結(jié)合第三方面，在第三方面的第五種可能的實(shí)現(xiàn)方式中，所述分類模型確定單元 包括：
[0051] 前景分類模型建立子單元，用于獲取前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ团c前景像素點(diǎn)的 顏色似然模型的乘積，得到前景分類模型；
[0052] 第四獲取子單元，用于根據(jù)前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ偷玫奖尘跋袼攸c(diǎn)的位置先 驗(yàn)?zāi)Ｐ停?br> [0053] 背景分類模型建立子單元，用于獲取背景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ团c背景像素點(diǎn)的 顏色似然模型的乘積，得到背景分類模型。
[0054] 根據(jù)本公開實(shí)施例的第四方面，提供一種圖像分割裝置，包括：
[0055] 確定單元，利用上述任一種分類模型創(chuàng)建裝置得到的分類模型，確定帶分割圖像 中的全部前景像素點(diǎn)；
[0056] 分割單元，用于將所述待分割圖像中全部的前景像素點(diǎn)所在的區(qū)域作為分割結(jié) 果。
[0057] 根據(jù)本公開實(shí)施例的第五方面，提供一種終端設(shè)備，包括：處理器；用于存儲處理 器可執(zhí)行指令的存儲器；其中，所述處理器被配置為：
[0058] 根據(jù)前景像素點(diǎn)與預(yù)設(shè)特征之間的位置關(guān)系，對樣本圖像訓(xùn)練得到前景像素點(diǎn)的 位置先驗(yàn)?zāi)Ｐ停?br> [0059] 根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，從樣本圖像中選取前景樣本像素點(diǎn)和背景 樣本像素點(diǎn)；
[0060] 根據(jù)所述前景樣本像素點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏色似然模型，以及根據(jù)所述背 景樣本像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏色似然模型；
[0061] 根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ汀⑺銮熬跋袼攸c(diǎn)的顏色似然模型以及所述 背景像素點(diǎn)的顏色似然模型，得到圖像的分類模型，所述分類模型用于確定待分割圖像的 前景像素點(diǎn)和背景像素點(diǎn)。
[0062] 根據(jù)本公開實(shí)施例的第六方面，提供一種終端設(shè)備，包括：處理器；用于存儲處理 器可執(zhí)行指令的存儲器；其中，所述處理器被配置為：
[0063] 利用上述任一項(xiàng)分類模型創(chuàng)建方法得到的分類模型，確定待分割圖像中的全部前 景像素點(diǎn)和背景像素點(diǎn)；
[0064] 將所述待分割圖像中全部的前景像素點(diǎn)所在的區(qū)域作為分割結(jié)果。
[0065] 本公開的實(shí)施例提供的技術(shù)方案可以包括以下有益效果：所述分類模型創(chuàng)建方法 利用前景像素點(diǎn)與圖像中的預(yù)設(shè)特征之間的位置關(guān)系，訓(xùn)練得到前景像素點(diǎn)的位置先驗(yàn)?zāi)?型；然后，根據(jù)前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ停瑥臉颖緢D像中自動(dòng)選取前景樣本像素點(diǎn)和背景 樣本像素點(diǎn)；根據(jù)前景樣本像素點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏色似然模型，以及根據(jù)背景樣 本像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏色似然模型。最終，根據(jù)貝葉斯原理將前景像素點(diǎn)的位 置先驗(yàn)?zāi)Ｐ?、前景像素點(diǎn)的顏色似然模型得到分類模型。后續(xù)可以直接利用利用分類模型 對待分割圖像進(jìn)行分割，得到分割結(jié)果。
[0066] 本公開提供的分類模型創(chuàng)建方法根據(jù)前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ秃皖伾迫荒?型獲得分類模型，利用分類模型能夠自動(dòng)確定圖像中的前景樣本像素點(diǎn)和背景樣本像素 點(diǎn)，用戶不必執(zhí)行指定前景和背景的操作，從而實(shí)現(xiàn)圖像分割過程的自動(dòng)化。而且，本公開 的分類模型創(chuàng)建方法結(jié)合了前景像素點(diǎn)的空間位置信息及顏色特征信息，根據(jù)前景像素點(diǎn) 的空間位置信息能夠排除一些與前景像素點(diǎn)的顏色相同但不是前景的像素點(diǎn)，因此能夠提 高分割精度。
[0067] 應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性的，并不能限制本 公開。

【專利附圖】

【附圖說明】
[0068] 此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本發(fā)明的實(shí)施 例，并與說明書一起用于解釋本發(fā)明的原理。
[0069] 圖1是根據(jù)一示例性實(shí)施例示出的一種分類模型創(chuàng)建方法的流程圖。
[0070] 圖2是根據(jù)一示例性實(shí)施例示出的一種獲得前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ偷姆椒?流程圖。
[0071] 圖3是根據(jù)一示例性實(shí)施例示出的一種建立顏色似然模型的方法流程圖。
[0072] 圖4是根據(jù)一示例性實(shí)施例示出的一種圖像分割方法的流程圖。
[0073] 圖5是根據(jù)一示例性實(shí)施例示出的一種分類模型創(chuàng)建裝置的框圖。
[0074] 圖6是根據(jù)一示例性實(shí)施例示出的圖像分割裝置的框圖。
[0075] 圖7是根據(jù)一示例性實(shí)施例示出的一種裝置的框圖。
[0076] 圖8是根據(jù)一示例性實(shí)施例示出的另一種裝置的框圖。
[0077] 通過上述附圖，已示出本公開明確的實(shí)施例，后文中將有更詳細(xì)的描述。這些附圖 并不是為了通過任何方式限制本公開構(gòu)思的范圍，而是通過參考特定實(shí)施例為本領(lǐng)域技術(shù) 人員說明本公開的概念。

【具體實(shí)施方式】
[0078] 這里將詳細(xì)地對示例性實(shí)施例進(jìn)行說明，其示例表示在附圖中。下面的描述涉及 附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例 中所描述的實(shí)施方式并不代表與本公開相一致的所有實(shí)施方式。相反，它們僅是與如所附 權(quán)利要求書中所詳述的、本公開的一些方面相一致的裝置和方法的例子。
[0079] 圖1是根據(jù)一示例性實(shí)施例示出的一種分類模型創(chuàng)建方法的流程圖，如圖1所示， 所述分類模型創(chuàng)建方法應(yīng)用于終端或服務(wù)器中，本公開實(shí)施例以人臉圖像中的頭發(fā)分割為 例進(jìn)行說明。所述方法可以包括以下步驟：
[0080] 在步驟S110中，根據(jù)前景像素點(diǎn)與預(yù)設(shè)特征之間的位置關(guān)系，對樣本圖像訓(xùn)練得 到前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ汀?br> [0081] 人臉圖像中的頭發(fā)分割方法，頭發(fā)的像素點(diǎn)是前景像素點(diǎn)，圖像中的其它像素點(diǎn) 為背景像素點(diǎn)。人臉圖像中的頭發(fā)總是長在眼睛上方的位置空間，利用這一先驗(yàn)信息對正 面人臉的樣本圖像進(jìn)行訓(xùn)練建立頭發(fā)的位置先驗(yàn)?zāi)Ｐ?，對樣本圖像內(nèi)的任意像素點(diǎn)，計(jì)算 出該像素點(diǎn)出現(xiàn)頭發(fā)的先驗(yàn)概率是該點(diǎn)被標(biāo)定成頭發(fā)的頻率，即得到頭發(fā)的位置先驗(yàn)?zāi)?型。
[0082] 在步驟S120中，根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，從樣本圖像中選取前景樣 本像素點(diǎn)和背景樣本像素點(diǎn)。
[0083] 有了頭發(fā)的位置先驗(yàn)?zāi)Ｐ停僭O(shè)前景的概率閾值是0.8,背景的概率閾值是0.2。 利用頭發(fā)位置先驗(yàn)?zāi)Ｐ?，?jì)算樣本圖像中像素點(diǎn)是前景像素點(diǎn)的概率，如果計(jì)算得到的概 率不小于0.8，則認(rèn)為該像素點(diǎn)是前景像素點(diǎn)；否則，認(rèn)為該像素點(diǎn)是背景像素點(diǎn)。
[0084] 在步驟S130中，根據(jù)所述前景樣本像素點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏色似然模型， 以及根據(jù)所述背景樣本像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏色似然模型。
[0085] 根據(jù)顏色間的相似性，將前景樣本像素點(diǎn)進(jìn)行聚類，顏色相似的像素點(diǎn)聚為一個(gè) 簇，進(jìn)而得到各個(gè)簇的聚類中心像素點(diǎn)的顏色特征向量；然后，得到前景樣本像素點(diǎn)的顏色 特征向量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間距離（例如，歐式距離）；并計(jì)算聚類 中心像素點(diǎn)的權(quán)重，得到前景樣本像素點(diǎn)的顏色似然模型。
[0086] 背景樣本像素點(diǎn)的顏色似然模型與前景樣本像素點(diǎn)的顏色似然模型的建立過程 相同，此處不再贅述。
[0087] 在步驟S140中，根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?、所述前景像素點(diǎn)的顏色似 然模型以及所述背景像素點(diǎn)的顏色似然模型，得到圖像的分類模型，所述分類模型用于確 定待分割圖像的前景像素點(diǎn)和背景像素點(diǎn)。
[0088] 有了頭發(fā)的位置先驗(yàn)?zāi)Ｐ秃颓熬啊⒈尘跋袼攸c(diǎn)的顏色似然模型，根據(jù)貝葉斯后驗(yàn) 概率理論，在已知像素點(diǎn)顏色特征向量值的情況下，得到后驗(yàn)?zāi)Ｐ图醋罱K的分類模型。
[0089] 本實(shí)施例提供的分類模型創(chuàng)建方法，采用前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，可以自?dòng) 確定圖像中的前景樣本像素點(diǎn)和背景樣本像素點(diǎn)，用戶不必進(jìn)行指定前景和背景的操作， 從而實(shí)現(xiàn)圖像分割過程的自動(dòng)化。而且，本公開的分類模型創(chuàng)建方法結(jié)合了前景像素點(diǎn)的 空間位置信息及顏色特征信息，根據(jù)前景像素點(diǎn)的空間位置信息能夠排除一些與前景像素 點(diǎn)的顏色相同但不是前景的像素點(diǎn)，因此能夠提高分割精度。
[0090] 圖2是根據(jù)一示例性實(shí)施例示出的一種獲得前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ偷姆椒?流程圖，本實(shí)施例以正面人臉圖像的頭發(fā)分割過程為例進(jìn)行說明。如圖2所示，所述方法可 以包括步驟：
[0091] 在步驟S111中，對全部的樣本圖像根據(jù)所述預(yù)設(shè)特征進(jìn)行定位。
[0092] 前景像素點(diǎn)是頭發(fā)像素點(diǎn)，預(yù)設(shè)特征是眼睛。
[0093] 假設(shè)訓(xùn)練庫中有1000張正面人臉的樣本圖像，1000張正面人臉樣本圖像的男女 比例盡量保持在1 :1左右，年齡在20?40左右。在離線訓(xùn)練過程中，需要手工標(biāo)定這1000 張樣本圖像的頭發(fā)區(qū)域，標(biāo)定的圖像以二值圖像方式存儲。這1000張樣本圖像的人臉檢測 和人眼定位結(jié)果都正確是保證頭發(fā)的位置先驗(yàn)?zāi)Ｐ蛣?chuàng)建正確的前提條件。
[0094] 有了 1000張樣本圖像及樣本圖像的頭發(fā)標(biāo)定圖像，首先對每一張樣本圖像的眼 睛進(jìn)行定位，根據(jù)眼睛的定位結(jié)果。
[0095] 在步驟S112中，根據(jù)定位結(jié)果，對樣本圖像進(jìn)行歸一化。
[0096] 根據(jù)眼睛定位結(jié)果，將頭發(fā)標(biāo)定圖像進(jìn)行對齊，并將頭發(fā)標(biāo)定圖像歸一化到一個(gè) 400*400的模板內(nèi)，即以頭發(fā)標(biāo)定圖像中的眼睛為中心進(jìn)行對齊，并歸一化。
[0097] 在步驟S113中，計(jì)算歸一化后的樣本圖像中的任意像素點(diǎn)是前景像素點(diǎn)的概率， 得到前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ汀?br> [0098] 對于歸一化后的樣本圖像內(nèi)的任意像素點(diǎn)（Xi，yi)，則該像素點(diǎn)出現(xiàn)頭發(fā)的先驗(yàn)概 率是該像素點(diǎn)被標(biāo)定成頭發(fā)的頻率，因此，定義頭發(fā)的位置先驗(yàn)?zāi)Ｐ腿绻?所示：
[0099]

【權(quán)利要求】
1. 一種分類模型創(chuàng)建方法，用于對圖像進(jìn)行分割，其特征在于，所述方法包括： 根據(jù)前景像素點(diǎn)與預(yù)設(shè)特征之間的位置關(guān)系，對樣本圖像訓(xùn)練得到前景像素點(diǎn)的位置 先驗(yàn)?zāi)Ｐ停? 根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，從樣本圖像中選取前景樣本像素點(diǎn)和背景樣本 像素點(diǎn)； 根據(jù)所述前景樣本像素點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏色似然模型，以及根據(jù)所述背景樣 本像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏色似然模型； 根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?、所述前景像素點(diǎn)的顏色似然模型以及所述背景 像素點(diǎn)的顏色似然模型，得到圖像的分類模型，所述分類模型用于確定待分割圖像的前景 像素點(diǎn)和背景像素點(diǎn)。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)前景像素點(diǎn)與預(yù)設(shè)特征之間的 位置關(guān)系，對樣本圖像訓(xùn)練得到前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，采用如下方式?對全部的樣本圖像根據(jù)所述預(yù)設(shè)特征進(jìn)行定位； 根據(jù)定位結(jié)果，對樣本圖像進(jìn)行歸一化； 計(jì)算歸一化后的樣本圖像中的任意像素點(diǎn)是前景像素點(diǎn)的概率，得到前景像素點(diǎn)的位 置先驗(yàn)?zāi)Ｐ汀?br> 3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述前景樣本像素點(diǎn)訓(xùn)練得到前景 像素點(diǎn)的顏色似然模型，采用如下方式： 根據(jù)顏色間的相似性，將前景樣本像素點(diǎn)進(jìn)行聚類，得到各個(gè)聚類結(jié)果的聚類中心像 素點(diǎn)； 根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的 距離、各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚類中心像素點(diǎn)的權(quán)重，獲 取所述前景樣本像素點(diǎn)對應(yīng)的顏色特征向量的概率分布信息，得到所述前景像素點(diǎn)的顏色 似然模型。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述背景樣本像素點(diǎn)訓(xùn)練得到 背景像素點(diǎn)的顏色似然模型，采用如下方式： 根據(jù)顏色間的相似性，將背景樣本像素點(diǎn)進(jìn)行聚類，得到各個(gè)聚類結(jié)果的聚類中心像 素點(diǎn)； 根據(jù)背景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的 距離、各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚類中心像素點(diǎn)的權(quán)重，獲 取所述背景樣本像素點(diǎn)對應(yīng)的顏色特征向量的概率分布信息，得到所述背景像素點(diǎn)的顏色 似然模型。
5. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)前景樣本像素點(diǎn)的顏色特征向 量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚類中心像素點(diǎn)的權(quán)重，獲取 所述前景樣本像素點(diǎn)對應(yīng)的顏色特征向量分布信息，得到所述前景像素點(diǎn)的顏色似然模 型，采用如下方式： 獲取各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離的平均值； 根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的 距離與所述距離的平均值的商，以及所述聚類中心像素點(diǎn)的權(quán)重，利用相應(yīng)的似然函數(shù)，計(jì) 算得到所述前景像素點(diǎn)的顏色似然模型。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ汀?所述前景像素點(diǎn)的顏色似然模型以及所述背景像素點(diǎn)的顏色似然模型，得到圖像的分類模 型，采用如下方式： 獲取前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ团c前景像素點(diǎn)的顏色似然模型的乘積，得到前景分類 模型； 根據(jù)前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ偷玫奖尘跋袼攸c(diǎn)的位置先驗(yàn)?zāi)Ｐ停? 獲取背景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ团c背景像素點(diǎn)的顏色似然模型的乘積，得到背景分類 模型。
7. -種圖像分割方法，其特征在于，包括： 利用權(quán)利要求1-6任一項(xiàng)方法得到的分類模型，確定待分割圖像中的全部前景像素點(diǎn) 和背景像素點(diǎn)； 將所述待分割圖像中全部的前景像素點(diǎn)所在的區(qū)域作為分割結(jié)果。
8. -種分類模型創(chuàng)建裝置，用于對圖像進(jìn)行分割，其特征在于，所述裝置包括： 位置先驗(yàn)?zāi)Ｐ徒卧?，用于根?jù)前景像素點(diǎn)與預(yù)設(shè)特征之間的位置關(guān)系，對樣本圖 像訓(xùn)練得到前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ停? 樣本像素點(diǎn)提取單元，用于根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，從樣本圖像中選取 前景樣本像素點(diǎn)和背景樣本像素點(diǎn)； 第一似然模型訓(xùn)練單元，用于根據(jù)所述前景樣本像素點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏色似 然模型； 第二似然模型訓(xùn)練單元，用于根據(jù)所述背景樣本像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏色似 然模型； 分類模型確定單元，用于根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?、所述前景像素點(diǎn)的顏 色似然模型以及所述背景像素點(diǎn)的顏色似然模型，得到圖像的分類模型，所述分類模型用 于確定待分割圖像的前景像素點(diǎn)和背景像素點(diǎn)。
9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述位置先驗(yàn)?zāi)Ｐ徒卧ǎ?圖像定位子單元，用于對全部的樣本圖像根據(jù)所述預(yù)設(shè)特征進(jìn)行定位； 歸一化子單元，用于根據(jù)定位結(jié)果，對樣本圖像進(jìn)行歸一化； 第一計(jì)算子單元，用于計(jì)算歸一化后的樣本圖像中的任意像素點(diǎn)是前景像素點(diǎn)的概 率，得到前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ汀?br> 10. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述第一顏色似然模型訓(xùn)練單元包括： 第一聚類子單元，用于根據(jù)顏色間的相似性，將前景樣本像素點(diǎn)進(jìn)行聚類，得到各個(gè)聚 類結(jié)果的聚類中心像素點(diǎn)； 第一獲取子單元，用于根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的 顏色特征向量之間的距離、各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚類中 心像素點(diǎn)的權(quán)重，獲取所述前景樣本像素點(diǎn)對應(yīng)的顏色特征向量的概率分布信息，得到所 述前景像素點(diǎn)的顏色似然模型。
11. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述第二顏色似然模型訓(xùn)練單元包括： 第二聚類子單元，用于根據(jù)顏色間的相似性，將背景樣本像素點(diǎn)進(jìn)行聚類，得到各個(gè)聚 類結(jié)果的聚類中心像素點(diǎn)； 第二獲取子單元，用于根據(jù)背景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn)的 顏色特征向量之間的距離、各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離，以及，聚類中 心像素點(diǎn)的權(quán)重，獲取所述背景樣本像素點(diǎn)對應(yīng)的顏色特征向量的概率分布信息，得到所 述背景像素點(diǎn)的顏色似然模型。
12. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述第一獲取子單元包括： 第三獲取子單元，用于獲取各個(gè)聚類中心像素點(diǎn)的顏色特征向量之間的距離的平均 值； 第二計(jì)算子單元，用于根據(jù)前景樣本像素點(diǎn)的顏色特征向量到各個(gè)聚類中心像素點(diǎn) 的顏色特征向量之間的距離與所述距離的平均值之間的商，以及所述聚類中心像素點(diǎn)的權(quán) 重，利用相應(yīng)的似然函數(shù)，計(jì)算得到所述前景像素點(diǎn)的顏色似然模型。
13. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述分類模型確定單元包括： 前景分類模型建立子單元，用于獲取前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ团c前景像素點(diǎn)的顏色 似然模型的乘積，得到前景分類模型； 第四獲取子單元，用于根據(jù)前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ偷玫奖尘跋袼攸c(diǎn)的位置先驗(yàn)?zāi)?型； 背景分類模型建立子單元，用于獲取背景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ团c背景像素點(diǎn)的顏色 似然模型的乘積，得到背景分類模型。
14. 一種圖像分割裝置，其特征在于，包括： 確定單元，利用權(quán)利要求8-13任一種分類模型創(chuàng)建裝置得到的分類模型，確定帶分割 圖像中的全部前景像素點(diǎn)； 分割單元，用于將所述待分割圖像中全部的前景像素點(diǎn)所在的區(qū)域作為分割結(jié)果。
15. -種終端設(shè)備，其特征在于，包括： 處理器； 用于存儲處理器可執(zhí)行指令的存儲器； 其中，所述處理器被配置為： 根據(jù)前景像素點(diǎn)與預(yù)設(shè)特征之間的位置關(guān)系，對樣本圖像訓(xùn)練得到前景像素點(diǎn)的位置 先驗(yàn)?zāi)Ｐ停? 根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ?，從樣本圖像中選取前景樣本像素點(diǎn)和背景樣本 像素點(diǎn)； 根據(jù)所述前景樣本像素點(diǎn)訓(xùn)練得到前景像素點(diǎn)的顏色似然模型，以及根據(jù)所述背景樣 本像素點(diǎn)訓(xùn)練得到背景像素點(diǎn)的顏色似然模型； 根據(jù)所述前景像素點(diǎn)的位置先驗(yàn)?zāi)Ｐ汀⑺銮熬跋袼攸c(diǎn)的顏色似然模型以及所述背景 像素點(diǎn)的顏色似然模型，得到圖像的分類模型，所述分類模型用于確定待分割圖像的前景 像素點(diǎn)和背景像素點(diǎn)。
16. 一種終端設(shè)備，其特征在于，包括： 處理器； 用于存儲處理器可執(zhí)行指令的存儲器； 其中，所述處理器被配置為： 利用上述任一項(xiàng)分類模型創(chuàng)建方法得到的分類模型，確定待分割圖像中的全部前景像 素點(diǎn)和背景像素點(diǎn)； 將所述待分割圖像中全部的前景像素點(diǎn)所在的區(qū)域作為分割結(jié)果。
【文檔編號】G06T7/00GK104063865SQ201410299813
【公開日】2014年9月24日 申請日期:2014年6月27日 優(yōu)先權(quán)日:2014年6月27日
【發(fā)明者】王琳, 臧虎, 陳志軍 申請人:小米科技有限責(zé)任公司