[发明专利]半自动图像分割

说明书

对位于用户给定(例如，触摸屏接触)的点附近的对象的输入图像执行半自动(即时)彩色图像分割。确定在用户选择点周围(位于其周围或环绕其)的目标对象的尺寸、形状和颜色的数目，并且确定像素属于哪个区域，前景还是背景。生成二进制对象掩模，所述二进制对象掩模能够被用于去除环绕那个对象的素材，或反转掩模以去除所述对象的素材。

相关申请的交叉引用

不适用

关于联邦政府赞助的研究或开发的声明

不适用

计算机程序附录通过引用结合

不适用

接受版权保护的素材的通知

本专利文献中的部分素材受到美国和其它国家的版权法的版权保护。版权拥有者不反对任何人对专利文档或专利公开内容按照在美国专利商标局的公开可用的文件或记录中出现的那样进行的传真复制，但是除此之外在任何情况下都保留所有版权。版权所有者并不因此放弃其维持本专利文献保密的任何权利，包括但不限于依据37C.F.R.§1.14的权利。

技术领域

本发明一般而言涉及图像处理，并且更具体地涉及半自动彩色图像分割。

背景技术

图像分割是将彩色图像分成区域的处理。最简单的情况涉及从背景分离具有已知特性的前景对象。

已经尝试了用于将对象的图像区域从其周围分割的不同方法。最简单的方法可能是基于阈值化。例如，给定用户选择的点，被分割的对象将是在某个范围内与用户选择的点处的颜色值(质心)具有相似颜色值的相邻像素的集合。这种方法仅针对单色对象，否则将要求用户选择多个质心值，并手动选择用于分割多色对象的颜色范围，以获取所选对象的所有元素。

“抓取-切割”方法是另一种彩色图像分割方法，它是用于灰度图像分割的“图形切割”方法的修改版本，其中用于两个类(前景和背景)的灰度范围是通过前景或背景像素的方差自动选择的。在抓取-切割中，每个前景或背景类被进一步拆分成若干子类，以处理多色对象。由于向量值像素(即，红色、绿色和蓝色)，每个子类由质心颜色值和协方差矩阵表示。在传统意义上，这种模型被称为混合模型。

颜色像素的概率密度函数常常通过用质心和协方差矩阵参数化的高斯函数的加权线性组合来近似，并且于是其被称为高斯混合模型(GMM，Gaussian mixture model)。使用GMM，将未标记的像素分类为最近的类，其中未标记的像素与每个类之间的距离用质心和协方差矩阵来计算。该做法不过是经典的贝叶斯分类器。抓取-切割的新颖性是针对距离测量的校正项(或平滑项)。未标记的像素周围的局部梯度的分析被考虑在内，并且那是抓取-切割比阈值方法执行得更好的一个原因。但是，抓取-切割要求用户在感兴趣的对象周围输入一个框。这个框实际上不仅提供了对象的位置，而且提供了粗略的尺寸。需要进一步的用户输入来对分割的对象进行微小的校正。

但是，如上所述，适当的图像分割通常涉及大量的用户输入以达到适当的分割结果。

因而，需要一种图像分割方法，其足够准确以允许半自动图像分割，同时克服了现有分割方法的缺点。

发明内容

在本公开中，以半自动(即时)分割位于用户给定的点附近的对象为目的来接收彩色图像。为了执行这种水平的半自动分割，就健壮性、由于平滑项引起的计算复杂性以及用户输入的简单性而言，以前的方法是不充分的。