專利名稱：一種多視角圖像前景目標提取方法及裝置的制作方法
技術領域：
本發(fā)明涉及圖像處理和計算機視覺技術領域，尤其涉及一種多視角圖像前景目標提取方法及裝置。
背景技術：
前景目標提取是計算機視覺領域的熱點和難點問題，用于提取圖像中感興趣的物體作為輸出或作為后續(xù)操作的輸入，其前景提取的準確與否，直接影響后續(xù)的操作是否成功。前景目標提取廣泛應用多個領域，如三維模型重建，運動捕捉，智能監(jiān)控等。前景目標提取是將物體F從圖像I中分離出來，即將I劃分為前景區(qū)F和非前景區(qū)F。提取結果α要么是0，要么是1，“0”表示背景，“I”表示前景，其目的是從圖像I中完 整的提取出用戶感興趣的物體F。根據(jù)處理的視角數(shù)目的不同，分為單視角前景目標提取和多視角前景目標提取。單視角前景目標提取方法經(jīng)過多年的研究，研究者們提出了許多有效的方法。最早的前景目標提取技術是背景減除法，它要求場景的背景固定且已知背景圖像，利用包含前景的圖像與背景圖像的差獲取前景。背景減除技術簡單有效，計算量小，可以達到實時處理。但是它對背景有嚴格的要求，極大的限制了它的應用范圍。由于設備和場景的限制，我們平時拍攝的環(huán)境背景都是變化的，因此，針對自然環(huán)境的圖像前景目標提取技術逐漸成為當前的研究熱點。其中，交互式目標提取方法成為當前的主流技術，代表性的有Graph Cut，GrabCut，泊松方法和軟分割剪刀，主動輪廓方法等。以上這些方法主要針對的是單張圖像，無法直接應用到多視角圖像的前景目標提取中。當然可以將多視角圖像看成多個單視角圖像分別進行處理，不過這樣需要耗費更多的人力和時間。多視角前景目標提取方法主要思想是根據(jù)初始分割結果重建三維模型，然后將重建的三維模型通過空間一致性投影到各個視角圖像中指導分割，經(jīng)過多次迭代到達前景提取的目的。另一種無需三維重建，只需要將每次分割結果與攝像機光心構成的視錐投影到其它成像平面中作為前景目標提取的一種啟發(fā)信息指導前景目標提取。上述兩種思想都需要已知攝像頭的內(nèi)外參數(shù)以及視角數(shù)目不能少于一定數(shù)目(至少4個)，并要求所有的攝像頭都覆蓋前景，甚至要求前景目標位于所有圖像的中央?yún)^(qū)域，使得前景提取的應用受到很大的限制。

發(fā)明內(nèi)容
本發(fā)明解決的技術問題在于如何使得多視角圖像前景目標提取快速簡單易操作。為了解決以上問題，本發(fā)明公開了一種多視角圖像前景目標提取方法，包括以下步驟步驟I :輸入多視角圖像集圖像分塊預處理；步驟2 :對每幅圖像進行尺度不變特征SIFT特征點的提取，并對相鄰視角的圖像進行SIFT特征點匹配；步驟3 :根據(jù)圖像分塊的拓撲鄰接結構和圖像間SIFT匹配特征點構建圖模型；步驟4:用偏見正則切方法得到最小切的解對解X*用大律法計算二值化閾值進行自適應二值化操作，其結果作為圖像分割的結果輸出。進一步，作為一種優(yōu)選，所述步驟I :輸入多視角圖像集圖像分塊預處理具體包括以下步驟步驟101 =RGB顏色空間轉成Lab顏色空間；步驟102 :計算圖像的梯度圖，用羅伯特交叉梯度算子在Lab顏色空間中三通道分別計算水平方向梯度gx和垂直方向梯度gy，則梯度g為
權利要求
1.一種多視角圖像前景目標提取方法，其特征在于，包括以下步驟 步驟I:輸入多視角圖像集圖像分塊預處理； 步驟2 :對每幅圖像進行尺度不變特征SIFT特征點的提取，并對相鄰視角的圖像進行SIFT特征點匹配； 步驟3 :根據(jù)圖像分塊的拓撲鄰接結構和圖像間SIFT匹配特征點構建圖模型； 步驟4:用偏見正則切方法得到最小切的解對解X*用大律法計算二值化閾值進行自適應二值化操作，其結果作為圖像分割的結果輸出。
2.根據(jù)權利要求I所述的一種多視角圖像前景目標提取方法，其特征在于，所述步驟I :輸入多視角圖像集圖像分塊預處理具體包括以下步驟 步驟101 =RGB顏色空間轉成Lab顏色空間； 步驟102 :計算圖像的梯度圖，用羅伯特交叉梯度算子在Lab顏色空間中三通道分別計算水平方向梯度gx和垂直方向梯度gy，則梯度g為^Hs2x+g2y ； lab 步驟103 :根據(jù)預先定義的分塊個數(shù)K，計算圖像分塊的步長 R = ^nTk ; 步驟104 :在圖像中隨機產(chǎn)生K個初始點，并以點的初始位置為中心的3*3窗口中找到梯度最小的點作為圖像分塊的中心點，則中心點集C的元素為圖像分塊的中心點像素坐標X, y和像素L，a, b顏色分量構成的5維向量； 步驟105 :計算圖像中每個像素點到每個中心點的距離D D =^/(4 -hf +(ak ~aiY +(h -bif +~-/( — xi f + ( — ) ，,-)'， K 其中參數(shù)m控制分塊的邊緣的緊縮度，1，a，b為Lab彩色空間顏色分量，x, y為像素坐標值； 步驟106 :將圖像中每個像素點歸為距離最小的中心點所在的圖像分塊； 步驟107 :計算每個分塊相似的顏色分量1，a, b和像素坐標x，y的平均值更新中心點集C ; 步驟108 :重復迭代步驟105-107，直到收斂。
3.根據(jù)權利要求書I所述的一種多視角圖像前景目標提取方法，其特征在于，所述步驟2 :對每幅圖像進行尺度不變特征SIFT特征點的提取，并對相鄰視角的圖像進行SIFT特征點匹配具體包括以下步驟 步驟201 :對多視角圖像集中每幅圖像進行SIFT特征點提??； 步驟202:對相鄰圖像進行SIFT特征點匹配，其中，采用特征點的特征向量的歐式距離作為圖像中的SIFT特征點是否匹配的判斷依據(jù)； 步驟203 :剔除錯誤匹配點，計算兩張相鄰圖像匹配點對的圖像像素坐標的歐式距離屯，其平均距離為D = 式，對于DMi的匹配點對為錯誤匹配，予以剔除。
4.根據(jù)權利要求書I所述的一種多視角圖像前景目標提取方法，其特征在于，所述步驟3 :根據(jù)圖像分塊的拓撲鄰接結構和圖像間SIFT匹配特征點構建圖模型G(V，E, W)，其中V為頂點集，即圖像分塊集，E為邊集，W為相似權矩陣，具體包括以下步驟 步驟301 :每個圖像分塊作為圖的頂點，對每張圖像，根據(jù)拓撲鄰接關系連接相鄰頂點；對于圖像分塊Si, Sj G In, n=l,. . .，m，如果圖像分塊Si, Sj的中心點的歐式距離小于Ic1R(R定義見步驟102)，k:為大于0的常數(shù)，則圖像分塊Si, Sj相鄰，即Si G Sj的鄰接頂點集N(Sj)，Sj g Si的鄰接頂點集N(Si)； 步驟302 :多視角圖像，通過匹配的特征點連接圖的頂點；對于相鄰圖像的匹配點對Pi G IjPPj G I」，分別在圖像Ii, Ij中以Pi, Pj為中心畫大小為2RX2R的窗口 RpRj,那么，對于圖像分塊VS, e/,，V*S’, e/,位于窗口 Ri，R.內(nèi)，那么圖像分塊Si, Sj相鄰，即Si G Sj的鄰接頂點集N(Sj), Sj G Si的鄰接頂點集N(Si)； 步驟303 :對于每個圖像分塊，計算顏色直方圖H的累計直方圖F(n)
5.根據(jù)權利要求書I所述的一種多視角圖像前景目標提取方法，其特征在于，所述步驟4:用偏見正則切方法得到最小切的解對解X*用大律法計算二值化閾值進行自適應二值化操作，其結果作為圖像分割的結果輸出；具體包括以下步驟 步驟401 :計算拉普拉斯矩陣= IP(D-W)D 士的最小K個特征值X p X 2，. . .，X k及其對應的特征向量 步驟402 :根據(jù)手工輸入的種子點集T構造偏向向量sT，偏向向量sT維數(shù)與拉普拉斯矩陣特征向量維數(shù)相同。偏向向量sT對應于種子點集T所標記的頂點的元素置為1，其它為0 ； 步驟403 :計算偏向最小切x%計算公式如下
6.根據(jù)權利要求書5所述的一種多視角圖像前景目標提取方法，其特征在于，所述手工輸入的種子點集T為手動輸入的一系列點。
7.根據(jù)權利要求書5所述的一種多視角圖像前景目標提取方法，其特征在于，所述手工輸入的種子點集T為手動輸入的一系列曲線。
8.根據(jù)權利要求書5所述的一種多視角圖像前景目標提取方法，其特征在于，所述手工輸入的種子點集T為手動輸入的像素屬于前景的概率組成的概率圖。
9.一種多視角圖像前景目標提取裝置，其特征在于，包括 圖像分塊預處理模塊輸入多視角圖像集圖像分塊預處理； 特征點匹配模塊對每幅圖像進行尺度不變特征SIFT特征點的提取，并對相鄰視角的圖像進行SIFT特征點匹配； 圖模型的表示和建立模塊根據(jù)圖像分塊的拓撲鄰接結構和圖像間SIFT匹配特征點構建圖模型； 多視角圖像前景提取計算模塊用偏見正則切方法得到最小切的解，對解用大律法計算二值化閾值進行自適應二值化操作，其結果作為圖像分割的結果輸出； 以上模塊順序連接。
全文摘要
本發(fā)明公布了一種多視角圖像前景目標提取方法，包括以下步驟步驟1輸入多視角圖像集圖像分塊預處理；步驟2對每幅圖像進行尺度不變特征SIFT特征點的提取，并對相鄰視角的圖像進行SIFT特征點匹配；步驟3根據(jù)圖像分塊的拓撲鄰接結構和圖像間SIFT匹配特征點構建圖模型；步驟4用偏見正則切方法得到最小切的解x*，對解x*用大律法計算二值化閾值進行自適應二值化操作，其結果作為圖像分割的結果輸出。本發(fā)明還公布了一種多視角圖像前景目標提取裝置。本發(fā)明不需要攝像頭標定步驟，只需在多視角圖像集中的一張圖像交互，并且能夠處理大小的圖像集，是一種快速簡單易操作的分割方法。
文檔編號G06K9/46GK102708370SQ20121015522
公開日2012年10月3日 申請日期2012年5月17日 優(yōu)先權日2012年5月17日
發(fā)明者梁清華, 苗振江 申請人:北京交通大學