[发明专利]一种基于Nystrom谱聚类的超像素抠图方法

说明书

本发明公开了一种基于Nystrom谱聚类的超像素抠图方法，针对传统的谱聚类超像素分割方法计算复杂度过高，不适合大尺寸图像处理的问题，利用Nystrom近似技术改进谱聚类，提高超像素分割的效率和质量。本发明首先在待分割图像上随机抽样，选取少量像素点样本；然后计算样本相似性矩阵，并对矩阵归一化；接着利用Nystrom近似技术，计算Laplacian矩阵的近似正交特征向量；再使用k‑means算法对特征空间中的代表点聚类，生成多个超像素；最后根据目标物体的轮廓，通过超像素分离前景目标与背景。本发明为Nystrom谱聚类设计了新的特征求解方法，使所得的近似特征向量满足正交条件，用于产生贴合物体形状的超像素。本发明可以降低超像素分割的计算复杂度，实现更高效、更精确的图像抠图。

技术领域

本发明属于图像处理领域，具体涉及一种基于Nystrom谱聚类的超像素抠图方法

背景技术

随着数字摄影技术的发展，相机变得越来越小，越来越智能，功能也越来越强大。人们可以方便地使用相机记录生活中的精彩瞬间，并通过社交网络分享给亲朋好友。但是受拍照环境和照相设备的限制，很多时候我们获得的照片存在一些瑕疵，希望利用数字图像处理技术对照片进行修补。图像抠图就是数字图像处理的一种重要技术，其目的是将图像中的前景人物或物体提取出来，合成到新场景中，满足用户的需要。如今，抠图技术已经在照片编辑、影视特效、虚拟现实、游戏动画、在线会议等领域广泛应用。用户可以使用抠图技术来美化自己的照片，例如修改照片的背景图案，或者在照片中添加新的元素进行修饰，弥补拍照时留下的遗憾。另外，很多电影和广告的后期制作也会用到抠图技术。甚至有的影视剧为了节省制作成本，主要录制过程全部在摄影棚内，然后使用图像抠图和合成技术添加背景，产生特殊的视觉效果。可见，图像抠图技术应用前景广阔，具有重要的研究意义和实用价值。图像抠图得到的前景层主要用于图像合成，前景层的好坏对后期图像合成的效果有直接影响。虽然已经有很多针对不同任务的抠图算法，但是图像中的前景对象往往形状各异、特征复杂，而且存在物体遮挡、相似背景等干扰，这些都增加了抠图的难度，如何在复杂场景中精确地提取图像的前景对象依然值得深入研究。

近年来，超像素抠图方法引起很大关注。超像素的基本思想是对图像中的像素进行局部分割，分割结果中的每一类像素具有相似的颜色、纹理等信息，使得到的超像素可以贴合图像中物体的形状。超像素抠图可保持物体的大部分边界，并且超像素比单个像素点包含更多的局部信息。为了得到超像素可以采用谱聚类方法对像素点聚类，把图像分割成不同的区域。谱聚类基于谱图理论生成超像素，通常由三个阶段组成：预处理、谱表示和聚类。假设图像中包含n个像素点，首先计算所有像素点之间的成对相似性，得到一个n×n的相似性矩阵W；然后计算Laplacian矩阵L＝D^-1/2WD^-1/2(其中D是度矩阵)，并对Laplacian矩阵特征分解，用特征向量组成新的数据空间；最后对特征空间中的代表点进行聚类，并把聚类结果还原到原始像素点，形成超像素块，更好地识别前景物体的细节特征。

尽管谱聚类有很多优势，但是传统的谱聚类方法只适用于小尺寸的图像分割。因为谱聚类需要计算相似性矩阵和Laplacian矩阵，并对Laplacian矩阵特征分解，算法的空间复杂度一般是O(n²)，时间复杂度为O(n³)。如果待分割的图像尺寸很大，像素点的规模n也很大，使用谱聚类划分超像素时将消耗大量的计算和内存资源。所以如何降低谱聚类的时间和空间复杂度，提高超像素生成的效率，一直是理论研究和实践应用的难点。