一种利用小波变换对图像进行边缘平滑处理的抠图方法
专利汇可以提供一种利用小波变换对图像进行边缘平滑处理的抠图方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种利用 小波变换 对图像进行边缘处理的抠图方法，该方法包括以下步骤：将原始图像划分为前景、背景以及未知区域；根据所得到的三分图收集 像素 点i的所有非局部临近像素点j；根据收集到的像素点，在K近邻matting 算法 中计算关系矩阵；构建 特征向量 这一步用到小波变换，利用边缘避免小波对图像进行分解，再通过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；利用上一步得出的特征向量构造拉普拉斯矩阵；最后利用拉普拉斯矩阵和用户输入的trimap，可以得到闭合形式解。本发明的方法可以利用小波变换的优点，在保持图像轮廓信息的前提下，改变小波变换域中的某些参数的大小，对边缘的处理更加精细，准确保留微小的背景信息，达到图像增强的目的。，下面是一种利用小波变换对图像进行边缘平滑处理的抠图方法专利的具体信息内容。
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。
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，主要包含以下几个步骤：
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。
3.如权利要求2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。
4.如权利要求2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4）提取特征向量，分为以下几个步骤：
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，在计算过程中保持一定程度的标准化；
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。
5.如权利要求2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5）构造拉普拉斯矩阵：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，可以将未知区域之间的混合像素如实的提取出来，对于边界的处理可以更加清晰。
6.如权利要求2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，可以得到一个图层的闭式解，通过优化和进一步的推算可以得到最优解。
一种利用小波变换对图像进行边缘平滑处理的抠图方法
技术领域
背景技术
可以得到更一般的形式：
（2）
其中α为透明度遮罩。此方程奠定了数字图像matting技术的数学基础。对于大部分图像来说，大部分像素点都是确定的前景或背景像素点。但想要将前景物体从背景中准确的提取出来，怎样准确的估计出每个像素的alpha值是matting问题的关键所在。而matting需要用三个已知量求解七个未知量，是一个约束不足问题。
发明内容
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3）利用所收集到的非局部临近像素点，在K近邻matting算法中求解关系矩阵；
所述步骤4）提取特征向量，包含以下几个步骤：
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，将最粗糙级别 平坦化近似系数 ，并且逐渐减小细节系数 ，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Y(x.y)。考虑到它的EAW分解 ，并通过下式在重构之前缩放不同分量计算细节增强的亮度分量Y’(x.y)
（3）
其中，β=1。且 由三次多项式p(j)确定。这个多项式设置了们想要的最佳尺度p(1)，中尺度p(j/2)和最粗尺度p(j)所需要的增量。平滑是通过设置一个较小的p(1)实现的，而用较大的p(1)实现对细节精度的提高并用较大的p(j/2)来获得中等尺度的增强。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，在计算过程中保持一定程度的标准化。
式中，y,u,v表示YUV空间的各个分量，x，y表示图像在水平和垂直方向经EAW变换后的纹理信息。
（5）
式中，X(·)为特征向量，C为权值系数，使得0≤k(i,j)≤1。内核函数的取值在0和1之间，符合未知区域的取值范围。可以将未知区域之间的混合像素如实的提取出来，对于边界的处理可以更加清晰。在K近邻matting中无需设置参数并且允许返回最小的X(i)-X(j)的值。
（6）
式中，表示第i个图层的不透明度，m是一个二进制向量，它的所有标记的像素值为1，λ是一个约束项系数。
式中，v是一个二值向量，表示用户的标记区域。 可进一步写为：
（8）
对g(x)求导可以得到最优解：
（9）
本发明的优点：
本文提出一种利用小波变换对图像进行边缘处理的抠图方法，利用小波对图像细节增强以及弱边缘强化的优点，利用边缘避免小波，在YUV色彩空间计算特征向量。与传统的方法相比较，本文法方法在细节处理上更占优势。在一定程度上改善了KNN算法在处理前背景复杂交错时matting质量下降的问题，同时对弱边缘失真问题也有一定程度的改善。本文在保持轮廓信息的前提下，对边缘毛发的处理更加精细，准确的保留了图像微小的背景信息。
附图说明
图3是本发明对自然图像的处理。
具体实施方式
2）对三分图进行收集像素点i的所有非局部临近像素点j；
3）利用所收集到的非局部临近像素点，在K近邻matting算法中求解关系矩阵；
4）提取特征向量：
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，将最粗糙级别 平坦化近似系数 ，并且逐渐减小细节系数 ，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Y(x.y)。考虑到它的EAW分解 ，并通过下式在重构之前缩放不同分量计算细节增强的亮度分量Y’(x.y)
（3）
其中，β=1。且 由三次多项式p(j)确定。这个多项式设置了们想要的最佳尺度p(1)，中尺度p(j/2)和最粗尺度p(j)所需要的增量。平滑是通过设置一个较小的p(1)实现的，而用较大的p(1)实现对细节精度的提高并用较大的p(j/2)来获得中等尺度的增强。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，在计算过程中保持一定程度的标准化；
4-2）为输入图像在YUV空间构建特征向量：
（4）
式中，y,u,v表示YUV空间的各个分量，x，y表示图像在水平和垂直方向经EAW变换后的纹理信息；
5）构造拉普拉斯矩阵：
将内核函数表示成1-x的形式：
（5）
式中，X(·)为特征向量，C为权值系数，使得0≤k(i,j)≤1。内核函数的取值在0和1之间，符合未知区域的取值范围。可以将未知区域之间的混合像素如实的提取出来，对于边界的处理可以更加清晰。在K近邻matting中无需设置参数并且允许返回最小的X(i)-X(j)的值；
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，可以得到一个图层的闭式解：
（6）
式中，表示第i个图层的不透明度，m是一个二进制向量，它的所有标记的像素值为1，λ是一个约束项系数；
K近邻算法最优化的闭式解通过式(6)可以得到：
（7）
式中，v是一个二值向量，表示用户的标记区域。 可进一步写为：
（8）
对g(x)求导可以得到最优解：
（9）
图2中，选择两个小人间的狭长区域放大。经过本文的方法对图像细节增强后，可以取得高质量的结果。图中表示对边缘毛发的处理。在前景背景交错的情况下，前景颜色和背景颜色比较接近，KNN算法会将部分背景处理为前景，使结果失真，而使用本文的方法得到的结果可以将细节尽可能地保存下来。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 车载环视图像的特征点标定方法、装置和可读存储介质 | 2020-10-02 | 0 |
| 一种三维显示云渲染方法和系统 | 2021-03-01 | 1 |
| 一种基于驾驶员疲劳状态的主动限速方法 | 2021-04-04 | 0 |
| 一种水声定位与授时浮标及其工作方法 | 2021-10-15 | 2 |
| 一种基于RFID系统多项式估计的高速移动车辆速度预测方法 | 2022-04-11 | 0 |
| 六相逆变器供电的无轴承磁通切换电机驱动方法及系统 | 2020-10-03 | 0 |
| 一种跟踪路由处理方法和装置 | 2022-10-18 | 1 |
| 一种S=8编码方式的低功耗蓝牙维特比联合解调解码算法 | 2020-05-20 | 3 |
| 空调控制方法、装置和车辆 | 2022-01-11 | 2 |
| 数据拆分方法、装置、电子设备、及存储介质 | 2020-09-01 | 2 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
