[发明专利]一种基于美学的图像裁剪方法及装置

权利要求书

1.一种基于美学的图像裁剪方法，其特征在于，所述方法包括：

获取待裁剪图像；

根据显著性检测算法，计算所述待裁剪图像对应的显著图，其中，所述显著图包括所述待裁剪图像对应的显著度图像，所述显著度图像是灰度图像；

通过显著区域提取算法，在所述显著图中确定显著边界框；

在所述待裁剪图像中，确定所述显著边界框对应的显著区域，其中，所述显著区域为所述待裁剪图像中所述显著边界框包含的图像区域；

根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框；

基于所述美学区域边界框，对所述待裁剪图像进行裁剪，得到目标图像；

其中，所述美学区域识别算法通过如下步骤获得：

获取预先存储的第二图像样本集，所述第二图像样本集包括多个第二图像样本，以及每个第二图像样本对应的显著区域样本、偏移比例向量样本；

基于所述第二图像样本集，对预设的第二初始神经网络进行训练，得到所述美学区域识别算法。

2.根据权利要求1所述的方法，其特征在于，所述根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框，包括：

获取所述显著区域对应的第一坐标信息，其中，所述第一坐标信息包括在预设的待裁剪图像坐标系中，所述显著边界框两个不相邻端点对应的像素点的坐标；

根据所述显著区域和美学区域识别算法，确定偏移比例向量，其中，所述偏移比例向量由所述显著区域上、下、左和右四个方向的坐标偏移量占美学区域边界框对应边长的百分比构成；

根据所述偏移比例向量和所述第一坐标信息，确定第二坐标信息，将所述第二坐标信息构成的边界框，作为美学区域边界框。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取预先存储的第一图像样本集，所述第一图像样本集包括多个第一图像样本，以及每个第一图像样本对应的显著图样本；

根据预设的第一初始神经网络、各所述第一图像样本、以及各所述第一图像样本对应的显著图样本，确定第一目标参数，其中，所述第一目标参数为所述第一初始神经网络包含的参数；

根据所述第一目标参数，确定所述显著性检测算法。

4.根据权利要求1所述的方法，其特征在于，所述基于所述第二图像样本集，对预设的第二初始神经网络进行训练，得到所述美学区域识别算法，包括：

针对所述第二图像样本集，获取各所述第二图像样本对应的所述显著区域样本、以及所述偏移比例向量样本；

根据各所述第二图像样本的所述显著区域样本、所述偏移比例向量样本、以及预设的第二初始神经网络，确定第二目标参数，其中，所述第二目标参数为所述第二初始神经网络包含的参数；

根据所述第二目标参数和所述第二初始神经网络，确定所述美学区域识别算法。

5.一种基于美学的图像裁剪装置，其特征在于，所述装置包括：

第一获取模块，用于获取待裁剪图像；

计算模块，用于根据显著性检测算法，计算所述待裁剪图像对应的显著图，其中，所述显著图包括所述待裁剪图像对应的显著度图像，所述显著度图像是灰度图像；

第一确定模块，用于通过显著区域提取算法，在所述显著图中确定显著边界框；

第二确定模块，用于在所述待裁剪图像中，确定所述显著边界框对应的显著区域，其中，所述显著区域为所述待裁剪图像中所述显著边界框包含的图像区域；

第三确定模块，用于根据美学区域识别算法和所述显著区域，确定包含所述显著区域的美学区域边界框；

裁剪模块，用于基于所述美学区域边界框，对所述待裁剪图像进行裁剪，得到目标图像；

所述第三确定模块具体用于：

获取预先存储的第二图像样本集，所述第二图像样本集包括多个第二图像样本，以及每个第二图像样本对应的显著区域样本、偏移比例向量样本；

基于所述第二图像样本集，对预设的第二初始神经网络进行训练，得到所述美学区域识别算法。