[发明专利]数字抠像处理中基于SVM的交互式区域划分方法

权利要求书

1.一种数字抠像处理中基于SVM的交互式图像区域划分方法，其特征在于，在数字抠像处理中，标识出部分前景和背景区域的基础上，使用SVM区域划分方法逐步把图像区域划分为确定的前景，确定的背景和未知区域三个部分，其步骤为：

1）载入图像；

2）判断图像前景背景是否可分：图像区域中的前景和背景像素点在颜色空间中的颜色分布是否有重合，如果没有重合，则图像区域为待处理图像区域，转下一步骤3）；否则，把图像区域划分为前景和背景颜色分布不重合的子区域，所述的子区域为待处理图像区域,转下一步骤3）；

3）步骤2）中所述的待处理图像区域中，根据颜色差别标识出代表性的未处理的前景区域和背景区域；

4）对于待处理图像区域中的未在所述步骤3）标识的区域的像素点执行SVM区域划分算法，得到每个像素点的区域划分结果概率数据；

5）划分概率大于0.95的像素点认为其划分结果正确，归入已正确划分区域；对于归入已正确划分区域的像素点，在以下两种情况下参与下次区域划分：一是像素所归属的背景或前景颜色单一，没有合适的其他像素点参与下次划分；二是像素点的颜色可划分出未划分区域的前景或背景区域；如果区域划分结果与不符合要求，进行矫正；如果区域划分尚未结束，回到步骤3），直到所有待处理图像区域划分结束，并显示区域划分结果。

2.根据权利要求1所述的方法，其特征在于，步骤3）中，所述的颜色差别在颜色空间中的分布应尽可能相互远离，所标识的颜色反差越大越好，以提高区域划分准确度。

3.根据权利要求1所述的方法，其特征在于，步骤4）中，所述的SVM区域划分算法如下：设置像素点样本为八维向量{R,G,B,x,y,R/G,G/B,B/R}，其中R,G,B为该像素点的RGB颜色分量值，如果值为0，改为1，x,y为像素点在图像中的坐标位置，R/G,G/B,B/R为RGB颜色分量的比值；SVM区域划分具体步骤有：

3.1）把已知样本点的向量定标，把各分量的值定标在[0,1]范围之内；

3.2）利用定标后的样本点向量训练出一个分类模型：假设样本点数目为l，SVM分类的目标就是要找到分类超平面f(x)＝wx+b，w为超平面的法向量，x为像素点，b为一待求实数，对于像素点x_i，如果为前景，有y_i＝f(x_i)＝wx_i+b≥1，如果为背景，则有y_i＝f(x_i)＝wx_i+b≤-1；再引入容错性，加入松弛变量ζ，有y_i[(wx_i)+b]≥1-ζ_i，(i＝1,2,...,l)，分类超平面可以有无数个，如果低维线性不可分，通过核函数把向量映射到高维空间，使其线性可分，在实现当中，选择径向基函数作为核函数，前景样本点和背景样本点离选择的分类超平面越远，则分类效果越好，SVM训练的目标就是要找出距离前景背景样本点最远的超平面f(x)＝wx+b，也即以下的优化问题：

min12||w||2+CΣi=1lζi]]>

根据y_i[(wx_i)+b]≥1-ζ_i，(i＝1,2,...,l)；

3.3）把未知像素点按照该模型进行分类，得到包含所有未知像素点分类概率的分类结果，在得到最优分类超平面f(x)＝wx+b后，根据Platt方法，利用神经元非线性作用函数来计算每个像素点的前景分类概率p：

p=P(y=1|x)=PA,B(f)=11+exp(Af+B)]]>

其中参数A,B通过以下最大似然估计而得：

minz=(A,B)F(z)=-Σi=1l(tilog(pi)+(1-tt)log(1-pi))]]>

其中p_i＝P_A,B(f_i)，若样本点x_i是前景点，N₁表示前景样本点个数，N₀表示背景样本点个数，则t_i＝(N₁+1)/(N₁+2)，否则t_i＝1/(N₀+2)。