[发明专利]全局与超像素分割相融合的色彩迁移方法

权利要求书

1.全局与超像素分割相融合的色彩迁移方法，其特征在于，基于图像的局部相似性，将基于局部色彩迁移和全局色彩迁移进行分阶段的融合，当图像的色彩复杂时，通过对图像进行分割，使每一个区域的色彩纹理单一，在这样的小区域内应用局部色彩迁移能改善图像色彩的迁移效果，图像分割按照相似性规则将图像分成若干部分，每一部分的像素满足某种相似性，而类间差异较大，当图像的色彩阶调复杂时，通过对图像按照某种标准进行分割使得每一部分的色彩阶调比较单一，然后对每一部分应用全局色彩迁移方法；

融合全局算法与超像素分割的色彩迁移：首先对源图像及目标图像采用梯度下降简单线性迭代聚类法进行分割处理，然后为源图像中的每一个超像素在目标图像中搜索最相似超像素，之后在匹配的超像素对之间进行色彩迁移，最后消除由于过分割处理所产生的误匹配而导致的色彩的错误迁移及亮度过渡不自然问题，本发明首先在第一次匹配迁移过程中引入模糊矩阵，然后用初次获得的迁移结果的全局统计信息来对源图像进行二次色彩迁移，获得自然的色彩迁移效果，具体过程为：

第1步，变换色彩空间：首先将RGB空间中的源图像和目标图像像素数据信息变换到lαβ空间，保持通道间的独立性；

第2步，利用梯度下降简单线性迭代聚类法分别对源图像和目标图像进行分割处理，具体分割的数目根据两图像的结构相似性进行自适应确定，然后提取这些超像素的特征构建特征向量空间，为源图像中的所有超像素在目标图像中寻找其最匹配的超像素，允许多对一匹配，为源图像的每个超像素区域在目标图像中寻找一个相对应的纹理相近的区域；

第3步，在超像素对的匹配完成后，遍历源图像的每个超像素，将与其匹配的目标图像中的超像素的色彩信息迁移过去，源图像获取到和目标图像相近的色彩信息，在色彩迁移过程中，对源图像的每个像素计算对源图像中每个超像素的模糊隶属度矩阵，得到迁移后结果图像的边缘更加平滑，对单个超像素内非种子像素对该超像素隶属度的计算考虑其与该超像素中心的色彩和距离关系，而对其它超像素隶属度的计算仅考虑它与其它超像素中心的色彩距离关系；对种子像素对其所在超像素区域的隶属度为1，对于其它超像素的隶属度为0；

第4步，将已获取到所需要的目标图像色彩信息的源图像当作目标图像对初始的源图像进行全局色彩迁移；

第5步，将改变后的源图像数据变换回RGB空间，实现源图像的色彩迁移过程。

2.根据权利要求1所述的全局与超像素分割相融合的色彩迁移方法，其特征在于，图像的局部相似度度量：色彩迁移预处理阶段采用分割方法将图像进行分割，然后为源图像的每一个分割区域寻找相应的匹配区域时采用局部相似自适应匹配方法，局部相似自适应匹配方法根据图像局部区域的相似性特征进行匹配，图像的局部相似度主要衡量图像分割后局部区域的纹理相似性，本发明采用计算统计量的方法，从图像像素的空间分布，边界分布及图像像素的灰度依赖关系方面分析纹理，从图像的灰度信息分析提取图像的纹理特征，具体采用灰度共生矩，它在描述纹理时考虑像素灰度数据的空间位置关系，是邻近像素间的空间位置和角度函数，灰度共生矩阵表示某个像素灰度在某个方向上偏离一定的位置变为另一个灰度级的概率，反之该灰度级只需沿相反的方向移动同样的距离就能恢复原来的灰度级，灰度共生矩阵数据对称分布，选定一个方向和距离关系就能计算得到图像的一个灰度共生矩阵，根据灰度共生矩阵分析计算图像的各种统计量来度量表征，提取图像的若干个纹理特征，其中能量、对比度、逆差距、熵和自相关特征描述图像的纹理特征参数，根据灰度共生矩提取的这些特征用一个特征向量来综合表征，这个特征向量共包括四个方向的五方面特征共计20维，图像局部的相似性根据局部区域的灰度共生矩特征来度量纹理特征，局部区域越相似其特征向量间的欧氏距离越小；

对图像进行局部特征提取以后，计算这些特征向量的相似性，对于图像局部的特征相似性度量，本发明采用余弦相似性，在同一特征空间中，图像的局部特征向量认为都是从原点出发的一个有向线段，两个区域的特征向量越相似，它们的终点越接近，相反越不相似，它们的终点距离越远，当两向量同向时距离最近，反向时距离最远，而这两向量夹角的余弦值刚好反映这种距离关系，并且余弦值的大小范围刚好在0-1之间，用两向量夹角的余弦值作为度量两特征向量相似度的指标，两向量的余弦值越接近0，表明它们越不相似，反之越接近1，表明它们越相似。