[发明专利]适用于枝状物体的智能图像编辑方法及系统

权利要求书

1.一种适用于枝状物体的智能图像编辑方法，其特征在于，包括：

预处理步骤，检测和定位枝状物体候选区域；

枝状物体模型建立步骤，建立枝状物体模型，描述枝状物体几何形态、表观颜色、拓扑结构；

结构辞典定义步骤，预定义一组结构词典，描述珠状物体的交错情况和物体分枝情况；

提取步骤，确定需要提取或者去除的目标枝，并指示所述目标枝的起始段；从所述起始段所对应的基元开始，利用所述枝状物体模型和所述结构词典，在所述候选枝状物体区域中检测和提取所述目标枝，推断所述目标枝与其它枝的遮挡关系，提取所述目标枝所包含的所有子枝。

2.根据权利要求1所述的智能图像编辑方法，其特征在于，

所述提取步骤后，还包括剪辑和修补步骤，该步骤根据用户交互信息，采用分层图像修复填补被抹去区域，得到编辑后的新图像。

3.根据权利要求2所述的智能图像编辑方法，其特征在于，

所述预处理步骤中，利用匹配追踪或图像分割检测和定位枝状物体候选区域。

4.根据权利要求3所述的智能图像编辑方法，其特征在于，

所述枝状物体模型建立步骤中，通过建立一个马尔可夫树模型，描述物体的几何形态、表观颜色和拓扑结构，作为枝状物体的先验分布模型。 

5.根据权利要求4所述的智能图像编辑方法，其特征在于，

所述结构辞典定义步骤中，通过归纳多种交错和分叉类型，定义了分枝结构词典。

6.根据权利要求5所述的智能图像编辑方法，其特征在于，

所述提取步骤中，使用Ancestral sampling方法，从所述目标枝的所述起始段开始，通过采样得到其后代基元；在每一步采样过程中推断当前枝的结构，并在当前枝的结构为分支结构的前提下，推断不同枝之间的分层关系。

7.根据权利要求6所述的智能图像编辑方法，其特征在于，

所述剪辑和修补步骤中，在推断和估计出的层次关系指导下，对被修补区域进行背景层和其它被保留枝状物体的分层修补，恢复和连接原图中被已删除枝状物遮挡的物体。

8.一种适用于枝状物体的智能图像编辑系统，其特征在于，包括：

预处理模块，用于检测和定位枝状物体候选区域；

枝状物体模型建立模块，用于建立枝状物体模型，描述枝状物体几何形态、表观颜色、拓扑结构；

结构辞典定义模块，用于预定义一组结构词典，描述珠状物体的交错情况和物体分枝情况；

提取模块，用于确定需要提取或者去除的目标枝，并指示所述目标枝的起始段；从所述起始段所对应的基元开始，利用所述枝状物体模型和所述结构词典，在所述候选枝状物体区域中检测和提取所述目标枝，推断所述目标枝与其它枝的遮挡关系，提取所述目标枝所包含的所有子枝。 

9.根据权利要求8所述的智能图像编辑系统，其特征在于，

所述提取模块后，还连接有剪辑和修补模块，该模块用于根据用户交互信息，采用分层图像修复填补被抹去区域，得到编辑后的新图像。

10.根据权利要求9所述的智能图像编辑系统，其特征在于，

所述预处理模块中，利用匹配追踪或图像分割检测和定位枝状物体候选区域。

11.根据权利要求10所述的智能图像编辑系统，其特征在于，

所述枝状物体模型建立模块中，通过建立一个马尔可夫树模型，描述物体的几何形态、表观颜色和拓扑结构，作为枝状物体的先验分布模型。

12.根据权利要求11所述的智能图像编辑系统，其特征在于，

所述结构辞典定义模块中，通过归纳多种交错和分叉类型，定义了分枝结构词典。

13.根据权利要求12所述的智能图像编辑系统，其特征在于，

所述提取模块中，使用Ancestral sampling方法，从所述目标枝的所述起始段开始，通过采样得到其后代基元；在每一步采样过程中推断当前枝的结构，并在当前枝的结构为分支结构的前提下，推断不同枝之间的分层关系。

14.根据权利要求13所述的智能图像编辑系统，其特征在于，

所述剪辑和修补模块中，在推断和估计出的层次关系指导下，对被修补区域进行背景层和其它被保留枝状物体的分层修补，恢复和连接原图中被已删除枝状物遮挡的物体。