[发明专利]一种结合反射光照的贝叶斯决策前景提取方法

摘要

一种结合反射光照的贝叶斯决策前景提取方法，包括步骤：由用户指定位于前景物体的点光源，对图像做灰度匹配变换模拟点光源照射，增强图像边缘信息，并根据前后变换对比得到光照函数；滤波去噪，采用分水岭算法分割图像；采用贝叶斯公式计算抠图参数，并用多层感知器拟合α值函数曲线；整合所述光照函数和颜色分布函数，完成前景物体的提取。用户只须指定点光源位置而不须给出前背景边缘信息，对用户交互的要求降低，同时使用算法的时间复杂度都为级数，避免了一般抠图算法计算量大、处理速度慢的缺点；由于引入光照函数和用感知器拟合α值，使本方法对于复杂边缘的前景物体，特别是边缘与背景颜色较为相近的前景物体也能得到准确完整的提取结果。

主权项

一种结合反射光照的贝叶斯决策前景提取方法，其特征是包括以下步骤：S1、灰度匹配变换，输入原始图像，由用户指定位于前景物体的点光源，用BRDF（双向反射分布函数）计算点光源在前背景物体上的光照影响，引入幂次变换，通过控制变换函数的参数，突出图像前背景边缘信息；同时，根据点光源在前背景物体上产生的不同光照影响，计算得出每个像素对应的光照函数；S2、对步骤S1匹配变换后的图像使用高通滤波器进行滤波去噪处理；S3、经过步骤S2去噪处理后的图像运用传统分水岭算法分割图像，分水岭算法包括排序和淹没两个步骤的迭代标注，完成全部图像的迭代标注之后，得到图像完整连续的边缘分割线；及 S4、计算抠图参数，图像分割成背景、前景和未知区域三个区域后，定义一个贝叶斯框架来公式化抠图参数，求解一个最大后验问题，计算最接近C的F、B和α；其中，C是已知的图像上一点的颜色，F、B、α分别是背景色、前景色和不透明度，F和B的分布用高斯分布来模拟，α的分布通过滑动的窗口将已经计算出来的未知区域与指定区域作为样本数据，用一个多层感知器拟合其分布曲线； S5、根据步骤S4得到的抠图参数F、B和α，重建出图像的α值图，引入一个马尔可夫随机场，融合步骤S1得到的光照函数，通过最小化构造出的能量函数完成前景图层的提取。