[发明专利]一种多视点图像中的快速目标提取方法

说明书

本发明公开了一种多视点图像中的快速目标提取方法，首先通过彩色图像的低频和高频信息，对图像进行一个增强处理，突出图像中的主体目标，并削弱目标周围场景对于目标的影响，然后对增强灰度图像进行二值化，采用全局阈值和局部阈值相结合的方法对每个像素进行判断，最后通过形态学方法找到目标所在的连通区域，也即完成对目标的提取过程。本发明提出的方法简单实用，算法复杂度小，可以实时处理各类图像，拥有很好的实用价值。

技术领域

本发明属于数字图像处理和计算机视觉技术领域，特指一种多视点图像中的快速目标提取方法。

背景技术

近年来随着计算机性能的大幅提高、网络带宽的不断扩展和相机传感器的普遍应用，交互式多媒体越来越受到用户的喜爱。其中对于某一场景或目标，可以从不同的时刻或角度得到关于它的一组观测图像，这些图像的整体就叫做多视点图像。人们借助交互式多媒体和图像处理技术可以对多视点图像进行编辑，根据自己的喜好去选择和操作目标。

在多视点图像处理中，目标提取是其中一个关键技术。目标提取的过程实际上就是图像分割的过程，从图像中将感兴趣的运动目标与背景进行分割，即提取出感兴趣的目标。目标提取是计算机视觉领域低层次视觉中最为基础和重要的领域之一。目标提取的效果对于后续中高层次图像处理(如目标分类、身份识别和行为理解等)非常重要。

目标提取在近几十年里受到国内外学者的广泛关注，提出了大量的目标提取方法。目前比较受关注的目标提取方法可以归纳为两类：基于阈值分割的方法和基于图割优化模型的方法。基于阈值分割的方法有：双峰法、最大类间方差法、模糊阈值分割法等。这类方法计算简单、效率较高，但受获取图像的自然环境影响最大，提取的准确率较低。基于图割优化模型的方法是近年来发展起来的一种基于图论的目标提取方法，将目标提取转换成为一个求能量函数最优化的问题。这类方法可以根据情况构造各种能量函数，且可以得到能量函数的全局最优解，因此具有鲁棒性强、分割效果较好等特点。但求解能量函数需要进行迭代计算，算法复杂度较高、需要的时间较长，很难达到实时处理。

发明内容

为了解决现有技术的不足，本发明的目的在于提出一种多视点图像中的快速目标提取方法，通过对通过彩色图像的低频和高频信息，对图像进行一个增强处理，突出图像中的主体目标，并削弱目标周围场景对于目标的影响，然后对增强灰度图像进行二值化，采用全局阈值和局部阈值相结合的方法对每个像素进行判断，最后通过形态学方法找到目标所在的连通区域，也即完成对目标的提取过程。本发明提出的方法简单实用，算法复杂度小，可以实时处理各类图像，拥有很好的实用价值。

为实现上述技术目的，本发明的技术方案是，

一种多视点图像中的快速目标提取方法，包括以下步骤：

S1.任取一副多视点彩色图像，图像格式为RGB，将该彩色图像记为P(x,y,z)，对该图像进行增强处理，突出图像中的主体目标，并削弱目标周围场景对于目标的影响，获得增强灰度图像；

本发明中S1通过以下方法实现：

S11对彩色图像P(x,y,z)做高斯低通滤波，获得P(x,y,z)的低频分量Q(x,y,z)，公式如下：

其中表示做卷积运算，G_σ是标准差为σ的二维高斯核

S12计算彩色图像P(x,y,z)在RGB颜色空间上的3个均值，公式如下：

其中z∈{1,2,3}是RGB颜色通道的序号，N是图像的像素总数，{μ_i|i＝1,2,3}即为3个均值。

S13使用S11中得到的低频分量Q(x,y,z)和S12中得到的均值信息，对目标进行增强，得到增强灰度图像D(x,y)，具体计算公式如下：