[发明专利]一种多目标服装图像协同分割方法

权利要求书

1.一种多目标服装图像协同分割方法，其特征在于：包括：

Step1、输入多目标服装图像以及辅助分割用的多目标小型图像集，通过提取多目标服装图像和辅助分割用的显著特征信息，得到待分割显著区域及服装显著特征集；

Step2、基于提取的待分割显著区域进行分割，得到多目标服装图像显著区域初步分割结果；然后，对初步分割结果、包含同类对象的多目标小型图像集的服装显著特征集进行计算服装图像的显著区域的显著值，得到服装图像的显著区域的显著值；

Step3、根据得到的服装图像的显著区域的显著值，计算多区域服装特征之间的相似度，输出图像分割结果；

所述Step2具体如下：

对多目标服装图像G的待分割显著区域G'通过多目标服装图像层次布局模型P(y|x,z,b)分析层次遮挡结构，得到待分割显著区域的遮挡关系；其中，x、y为两个相邻的目标服装对象，z＝Δ(d₁,d₂)+Δ(H₁,H₂)为遮挡区域项，b为偏置项，d₁、d₂表示两个相邻目标对象的宽度，H₁、H₂为两个相邻目标对象的区域特征；再对分析层次结构后的待分割显著区域G'进行超像素分割得到多目标服装图像显著区域初步分割结果R_ij；通过计算多目标服装图像显著区域初步分割结果R_ij对应的显著值S_ij；其中，S_i为通过全局对比度的显著性区域特征识别方法求取的多目标服装图像G中的显著区域G'对应的显著像素，d_ij为初步分割结果R_ij的像素数量，d'_ij为初步分割结果R_ij中显著像素的个数，D'_i是多目标服装图像G中显著像素的个数，i表示多目标服装图像G中的第i个图像，j表示多目标服装图像G第i个图像中可能对象区域的数量；

对包含同类对象辅助分割用的多目标小型图像集I＝{I₁,I₂,...I_N}的服装显著特征集I'＝{I'₁,I'₂,...I'_N}，通过多目标服装图像层次布局公式P(y|x,z,b)分析层次遮挡结构，得到待分割显著区域的遮挡关系；再对分析层次结构后的服装显著特征集I'＝{I'₁,I'₂,...I'_N}，通过公式计算，得到多目标小型图像集中多目标服装图像的显著区域的显著值S_np；其中，P_np为小型图像集中第n个图像的第p个显著区域，S_n(k,l)为小型图像集中的第n个图像在(k,l)位置的显著像素，m_np为显著区域p_np的像素数量，m'_np为显著区域p_np中显著像素的个数，M'_n为小型图像集中第n个图像中显著像素的个数，n表示小型图像集中的第n个图像，p表示小型图像集中第n个图像中显著区域的数量；k,l表示小型图像集中的第n个图像中显著像素点的位置；

所述Step3具体如下：

通过相似度公式w_ij,np＝d(S_ij,S_np)，计算多目标服装图像显著区域的显著值S_ij与多目标小型图像集中显著区域的显著值s_np之间的相似度；

将多目标服装图像显著区域初步分割结果R_ij与服装显著特征集I'＝{I'₁,I'₂,...I'_N}中的显著区域作为图的节点，各个显著区域特征的相似度w_ij,np作为权值，构建显著区域特征结构图；

求取显著区域特征结构的最小生成树，输出多目标服装图像的分割结果。

2.根据权利要求1所述的多目标服装图像协同分割方法，其特征在于：所述Step1具体如下：

输入多目标服装图像G，对多目标服装图像G、辅助分割用的多目标小型图像集I＝{I₁,I₂,...I_N}利用全局对比度的显著性区域特征识别方法提取其显著特征，得到待分割显著区域G'、服装显著特征集I'＝{I'₁,I'₂,...I'_N}；其中，1≤n≤N，N表示辅助分割用的小型图像集中图片数量。