[发明专利]一种基于深度学习的高分辨率图像智能化抠图方法

说明书

本发明公开了一种基于深度学习的高分辨率图像智能化抠图方法，包括以下步骤：(a)给定至少一个输入图像，构建基于深度学习的分割卷积神经网络对目标主体区域即前景图，进行分割处理；(b)对分割得到的前景图利用图像处理技术生成包含目标主体区域、非目标主体区域和未知区域的三分图；(c)构建抠图卷积神经网络，并采用输入图像与得到的三分图作为抠图网络输入，以分析得到图像中目标主体的透明图；(d)对透明图进一步后处理,以得到目标主体透明图，并结合原始输入图像，实现最终的抠图结果。基于深度学习技术，给定高分辨率的图像，全程无需额外人工辅助，实现了时尚类图像中目标主体的自动智能化抠图。

技术领域

本发明涉及图像处理领域，特别涉及一种基于深度学习的高分辨率图像智能化抠图方法。

背景技术

数字化时代非结构的图像在快速增长，尤其是时尚相关的服装等新零售行业，借助亚马逊、天猫、淘宝等电商平台以及微博、Instagram等时尚社交平台，图像数据在爆炸式积累。而对于包含繁杂视觉信息的图像，尤其是如何从高分辨率图像中高精度地提取感兴趣的目标主体区域十分具有挑战性。

对于时尚领域、电商新零售领域等，往往需要对图像进行大量手工处理，以制作更具美观性、目标主体突出性的处理效果，而其中最关键也是最耗时的就是时尚类目标主体的高精度抠取，即抠图，如服装、模特、箱包、鞋帽等等。现阶段高精度的抠图一般需要借助Adobe Photoshop(PS)软件完全手工完成。此外，交互式抠图技术也被用于一些一般场景，如对精度要求不高的抠图应用。随着智能化抠图的需求越来越强烈，以及人工智能技术的发展，基于深度学习的图像智能化抠图方法应运而生。

借助Adobe Photoshop的全手工抠图是目标主体抠图领域最常用的方法，由于是有人工完成，尤其是具有专业背景的人来操作，其精度较高；但其处理过程比较繁琐且十分耗时；另一方面，对于使用者的要求更高，对于没有抠图知识的非专业人员来说，大部分情况下很难完成一次精度较高的手工抠图。

交互式抠图通过简单的人工辅助，比如手工鼠标指定目标主体区域与背景区域，在一定程度上提升了抠图效率，简化了部分抠图的操作难度；但其往往需要借助鼠标等额外手工辅助，仅适用于一般对精度要求不高的场景；且对于目标主体区域与非目标区域相接近时，抠图效果较差；此外，对于非目标区域稍复杂的图像，抠图难度和复杂度明显增加，抠图效果也会大打折扣，难以满足大分辨率图像的高精度抠图。

目前基于深度学习的抠图技术，往往只适用于某些领域的低分辨率的图像抠图，精度仍有待提升；对于高分辨率的图像处理，硬件环境和处理耗时都明显较高，并且对于服装、模特、箱包、鞋帽等时尚类目标主体，存在细节处理不足，边缘粗糙模糊等问题。

发明内容

本发明要解决的技术问题是提供一种基于深度学习的高分辨率图像智能化抠图方法，基于深度学习技术，给定高分辨率的服装、模特、箱包、鞋帽等时尚类图像，全程无需额外人工辅助，实现了时尚类图像中目标主体的自动智能化抠图。

为了解决上述技术问题，本发明的技术方案为：

一种基于深度学习的高分辨率图像智能化抠图方法，包括以下步骤：

(a)给定至少一个输入图像，构建基于深度学习的分割卷积神经网络对目标主体区域即前景图，进行分割处理；

(b)对分割得到的前景图利用图像处理技术生成包含目标主体区域、非目标主体区域和未知区域的三分图；

(c)构建抠图卷积神经网络，并采用输入图像与得到的三分图作为抠图网络输入，以分析得到图像中目标主体的透明图；

(d)对透明图进一步后处理,以得到目标主体透明图，并结合原始输入图像，实现最终的抠图结果。

优选地，在步骤(a)中所述分割卷积神经网络包括分割网络训练阶段和分割网络测试阶段。

优选地，在步骤(a)还包括步骤：