[发明专利]一种基于颜色先验的图像色彩软分割方法及系统

说明书

本发明涉及图像分割技术领域，具体涉及一种基于颜色先验的图像色彩软分割方法及系统。该方法包括预先定义颜色参考点为索引值；对随机采样后的图像利用KD‑Tree算法和所定义的颜色参考点进行颜色提取，获得索引张量；统计并筛选索引张量内各个索引值的像素点数量，生成与原图像相同大小的颜色图像。建立深度神经网络模型，将图像标注信息、图像数据和颜色图像输入网络模型中，输出网络输出图像；将网络输出图像经过规整得到图像的色彩软分割图像。本发明通过定义色彩和使用KD‑Tree算法对图像颜色的提取可以对网络提供鲜明的颜色特征，更好的分割图像数据。

技术领域

本发明涉及图像分割技术领域，具体涉及一种基于颜色先验的图像色彩软分割方法及系统。

背景技术

图像色彩软分割是突破了物体边缘的限制，从色彩角度来考虑像素的相关性，这比语义软分割在某些特定场景下更加适用。

对于现有的技术而言，大多都需要人为的对每一张图片进行先验的颜色域定义，这极大耗费了人力，使得成本过高；而对于其他方法如聚类得到颜色，通常来说得到的颜色是不精确的，且聚类方法需要设置超参数，无法适应不同域的图像颜色提取，同样也会耗费大量的人力去进行调整参数。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于颜色先验的图像色彩软分割方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于颜色先验的图像色彩分割方法，所述方法包括：

根据预设的N种颜色参考点设置N个索引值；

获取待分割图像，利用所述N个索引值对所述待分割图像进行标注获得标注信息；

对所述待分割图像数据进行随机采样处理；

利用KD-Tree算法和所述颜色参考点对随机采样后的所述待分割图像进行颜色提取得到索引张量；

统计所述索引张量内各个所述索引值的像素点数量；设置第一阈值，对于数量大于所述第一阈值的索引值生成与原图像数据相同大小的颜色图像；对于小于所述第一阈值的索引值生成与原图像数据大小的纯白色图像；

将所述标注信息、所述待分割图像和所述颜色图像输入到预先训练好的深度神经网络模型得到网络输出图像；所述深度网络模型包括第一软分割编码器、第二软分割编码器和软分割解码器；所述第一软分割编码器对所述图像数据进行特征提取输出第一特征图；所述第二软分割编码器对所述颜色图像进行特征提取输出第二特征图；将所述第一特征图和所述第二特征图相乘得到第三特征图；所述软分割解码器对所述第三特征图进行采样与特征提取，网络输出图像为N个归一化的色彩RGB图像；

将所述网络输出图像值域规整到[0,255]区间，得到所述图像数据的色彩软分割图像。

进一步地，所述利用KD-Tree算法进行颜色提取时，对于颜色的细粒度提取需要对颜色空间的值进行加权，加权的具体公式为：

P(R,G,B)＝(R*x1+b1,G*x2+b2,B*x3+b3)

其中P为加权后的RGB值；x1和b1为R通道的加权值；x2和b2为G通道的加权值；x3和b3为B通道的加权值。

进一步地，对所述待分割图像进行随机采样包括以下步骤：

预设切割图像大小为(M,N)，M代表所述切割图像的长，N代表所述切割图像的宽；

在所述待分割图像上得到随机采样点，以所述随机采样点作为原点切割一定数量的图像，所述切割图像的四个点坐标分别为：

(0,0)、(0,N)、(M,0)、(M,N)

设所述切割图像的数量为L，L满足：