[发明专利]一种利用小波变换对图像进行边缘平滑处理的抠图方法

权利要求书

1.一种利用小波变换对图像进行边缘处理的抠图方法，其特征是，基于图像的边缘信息构建小波，将目标边缘两侧的像素平滑处理，具有更好的数据相关性，在计算特征向量时，转换到YUV色彩空间计算，然后由归一化的特征向量给出内核函数，最后构造拉普拉斯矩阵，并使用闭合形式解方法进行优化，最后实现对图像细节的改善；

所述利用小波变换对图像进行边缘处理的抠图方法，包括以下几个步骤：

1）将原始图像划分为前景、背景以及未知区域；

2）收集像素点i的所有非局部临近像素点j；

3）根据收集到的像素点，计算关系矩阵；

4）提取特征向量；

5）构造拉普拉斯矩阵；

6）闭合形式解的快速实现；

所述步骤4）提取特征向量，包括：

4-1）利用边缘避免小波分解，将最粗糙级别利用边缘避免小波EAW分解，实现对图像细节的增强；

在YUV色彩空间运行亮度通道的对数，并在重构之前计算细节增强的亮度分量，在边缘避免小波对图像分解过程中，预测和更新都仅限于域内的变量，在计算过程中保持标准化；

4-2）为输入图像在YUV空间构建特征向量，通过YUV空间的各个分量以及图像在水平和垂直方向经EAW变换后的纹理信息来构建特征向量；

所述步骤5）构造拉普拉斯矩阵，包括：将内核函数表示成特定形式，内核函数的取值在0和1之间，符合未知区域的取值范围，将未知区域之间的混合像素如实的提取出来；

所述步骤6）闭合形式解的快速实现：利用拉普拉斯矩阵和用户输入的trimap，得到一个图层的闭式解，通过优化和进一步的推算得到最优解。

2.如权利要求1所述的一种利用小波变换对图像进行边缘处理的抠图方法，其特征是，所述步骤3）根据收集到的像素点，计算关系矩阵：在K近邻matting算法中求解关系矩阵，需要在特征向量匹配之前收集像素点i的所有非局部近邻的像素点j，与非局部matting需要用一个大内核函数对图像进行操作相比较，K近邻matting只需要计算K个近邻实现非局部的准则。