一种图像区域检测方法及装置制造方法及图纸

技术编号:13798067 阅读:160 留言:0更新日期:2016-10-06 20:21
本申请提供一种图像区域检测方法和装置。所述方法可以包括:计算得出待处理图像像素点的颜色特征和梯度特征,构建所述待处理图像的混合特征向量;对所述混合特征向量进行聚类,获取聚类后的聚簇;根据预定规则计算所述聚簇的聚簇概率,并基于所述聚簇概率计算所述聚簇中像素点的像素概率;基于所述像素概率对所述待处理图像进行检测,获取目标区域。利用本申请中各个实施例,可以有效应对实际图像场景中各种复杂的情况,实现对商品图像中主体区域进行准确、有效的分离,提高提取精确度。

【技术实现步骤摘要】
技术邻域本申请属于计算机信息处理邻域,尤其涉及一种图像区域检测方法及装置
技术介绍
随着互联网消费时代的发展,例如一淘、淘宝以及天猫商城等提供在线商品搜索和在线购物的网站在商品信息展示时通常会提供大量有关商品的图像,以便于消费者进行直观的选择。商品图像作为在线搜索和购物的网站中承载较多,是非常重要信息,对于商品成交有着极大的影响。在网上商品信息展示中,通常商品图像可以较好的体现商品的直观特性,商品中的主体区域(或者称为前景区域,比如风衣、休闲裤、皮鞋、手机、沙发凳)通常为商品图像中信息量最大、最主要的部分。例如,在商品展示、投放广告时,通常需要考虑在一幅图像当中,商品主体是否居中、是否在图像所展示的画面中占据符合规定的比例、主体区域相对于背景是否突出等。而实际的应用中绝大部分商品图像由卖家商户自行拍摄上传在网站展示窗口,卖家商户往往不具备专业的拍摄和图像编辑能力,不能很好的突出展示商品特征。因此一些应用场景中商务平台服务方通常需要对卖家商户提供的图像进行分析,获取商品主体,调整商品的展示角度、背景搭配、摆放位置、主体商品大小等,使其具有最佳展示效果的图像,以便于消费者能够更准确获取其感兴趣的商品,或者被商户的商品吸引。因此,商务平台服务方或者终端应用的用户通常需要精准且高效的从商品图像中将商品主体区域和背景区域分离出来。目前常用的商品主体区域与背景区域分离技术主要包括采用学术界中基于颜色量化特征的图像显著性区域检测技术。这类技术通常由于仅仅依赖于颜色特征进行处理,仅能对简单的商品图像进行处理。而淘宝、天猫等平台型电商网站中的商品图像可以由卖家上传,图像的质量参差不齐,复杂度也非常高。例如在主体和背景颜色相似的情况下,在使用颜色建模的时候很容易将两者混在一起,难以区分,无法有效提取主体区域。同样,在背景复杂度较高即非主体区域的颜色分布复杂时,使用基于颜色特征的方法往往会将背景和前景建模为过多的区块,导致也无法精确的分离前景和背景。目前现有技术中商品图像主体识别技术在面临主体和背景区域颜色相近或者背景区域
复杂度高等复杂图像时不能精确、有效的进行主体区域的检测、分离。现有技术中尤其是复杂图像区域检测时亟需一种更加高效、精确的检测方法。
技术实现思路
本申请目的在于提供一种图像区域检测方法及装置,能有效应对实际图像场景中各种复杂的情况,实现对复杂图像中主体区域进行准确、有效的分离,提高提取精确度。本申请提供的一种图像区域检测方法和装置是这样实现的:一种图像区域检测方法,所述方法包括:计算得出待处理图像像素点的颜色特征和梯度特征,构建所述待处理图像的混合特征向量;对所述混合特征向量进行聚类,获取聚类后的聚簇;根据预定规则计算所述聚簇的聚簇概率,并基于所述聚簇概率计算所述聚簇中像素点的像素概率;基于所述像素概率对所述待处理图像进行检测,获取目标区域。一种图像区域检测装置,所述装置包括:特征计算模块,用于计算得出待处理图像像素点的颜色特征和梯度特征,并构建所述待处理图像的混合特征向量;聚类模块,用于对所述混合特征向量进行聚类,获取聚类后的聚簇;聚簇概率模块,用于根据预定规则计算所述聚簇的聚簇概率;像素概率模块,用于基于所述聚簇概率计算所述聚簇中像素点的像素概率;检测模块,用于基于所述像素概率对所述待处理图像进行检测,获取目标区域。一种图像区域检测装置,所述装置被设置成,包括:第一处理单元,用于获取用户/客户端的待处理图像,计算得出待处理图像像素点的颜色特征和梯度特征,构建所述待处理图像的混合特征向量;第二处理单元,用于对所述混合特征向量进行聚类,获取聚类后的聚簇;还用于根据预定规则计算所述聚簇的聚簇概率,并基于所述聚簇概率计算所述聚簇中像素点的像素概率;输出单元,用于基于所述像素概率对所述待处理图像进行获取目标区域,并将所述获取的目标区域存储或者展示于指定位置。本申请提供的一种图像区域检测方法及装置,采用为图像中的每个像素点构建其特有的混合特征向量。所述混合特征向量中除了可以包括像素点的颜色特征外还包括梯度特征,在
计算像素点时同时考虑了像素点周围的信息,可以更加准确的建立像素点的特征值,使得混合特征空间时前景和背景区域相近的两个点的混合特征向量的距离比仅仅使用颜色特征的距离大大增加,可以有效的区分前景和背景相近的区域,提高目前区域检测的精准度。同样的,在复杂背景图像中,本申请所述的混合特征向量可以很好的结合颜色特征和梯度特征将前景的像素点和背景的像素点描述到两个不同的聚簇中,在欧式距离计算时可以很容易将两者分离。本申请中对混合特征进行聚类,计算聚类后聚簇属于主体区域的聚簇概率,基于所述聚簇概率计算聚簇中每个像素属于主体区域的像素概率,以本申请所述的计算出来的显著度作为属于主体区域的概率,可以有效、精确的检测待处理图像中的主体区域。本申请以所述聚簇与其他聚簇距离和与总和的比值作为聚簇的显著度,用于表述聚簇属于主体区域的概率,更加符合实际用户感知图像中商品主体的情况,使得处理结果更加精确、有效。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本邻域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1是本申请一种图像区域检测方法一种实施例的流程示意图;图2是本申请所述待处理图像边界点邻域窗口提取的示意图;图3是利用本申请所述的一种图像区域检测方法进行主体区域提取的示意图;图4是利用本申请所述的一种图像区域检测方法进行主体区域提取的示意图;图5是本申请所述一种图像区域检测装置的模块结构示意图;图6是本申请所述一种特征计算模块一种实施例的模块结构示意图;图7是本申请所述一种颜色特征模块一种实施例的模块结构示意图;图8是本申请所述一种像素概率计算模块一种实施例的模块结构示意图。具体实施方式为了使本技术邻域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本邻域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。卖家商户上传的商品图像中可以包括一个或者多个主体,例如为了节约商品展示的窗口
资源,卖家商户可以将多个图像合并在一张图像中后上传作为某商品的图像。本申请所述的一种图像区域检测方法可以适用于包括一个或者多个商品主体的图像,在所述图像包括多个主体时,可以将待处理图像划分为多个子图,每个子图可以包括单个主体,然后对每个所述子图采用本申请所述的主体区域提取方法进行处理。具体的所述将包括多个主体的待处理图像进行划分的方法可以采用专利号为CN102567952A,名称为《一种图像分割方法及系统》中所述的图像分割方法。经过上述方法处理后,可以将包括多个主体的商品图像分割成多个包括单个主体的子图。下面以包括单个主体的商品图像或者以经过上述图像分割后的子图为例对本申请所述的图像处理方法进行详细的描述。图1是本申请所述一种图像区域检测方法一个实本文档来自技高网
...

【技术保护点】
一种图像区域检测方法,其特征在于,所述方法包括:计算得出待处理图像像素点的颜色特征和梯度特征,构建所述待处理图像的混合特征向量;对所述混合特征向量进行聚类,获取聚类后的聚簇;根据预定规则计算所述聚簇的聚簇概率,并基于所述聚簇概率计算所述聚簇中像素点的像素概率;基于所述像素概率对所述待处理图像进行检测,获取目标区域。

【技术特征摘要】
1.一种图像区域检测方法,其特征在于,所述方法包括:计算得出待处理图像像素点的颜色特征和梯度特征,构建所述待处理图像的混合特征向量;对所述混合特征向量进行聚类,获取聚类后的聚簇;根据预定规则计算所述聚簇的聚簇概率,并基于所述聚簇概率计算所述聚簇中像素点的像素概率;基于所述像素概率对所述待处理图像进行检测,获取目标区域。2.如权利要求1所述的一种图像区域检测方法,其特征在于,所述计算得出待处理图像像素点的颜色特征包括:如果所述待处理图像不为Lab格式的数据,将所述待处理图像的数据格式转化为Lab格式;以待处理像素为中心提取所述待处理图像中邻域窗口的像素点,将所述邻域窗口中像素点的L、a、b三个通道分别分为K个分组,形成3*K维的颜色特征向量;将所述邻域窗口中每个像素点在所述L、a、b三个通道的颜色值累加到所述颜色特征向量所对应的维中,形成所述邻域窗口中待处理像素点的颜色特征。3.如权利要求2所述的一种图像区域检测方法,其特征在于,所述K的取值为:6≤K≤16。4.如权利要求1所述的一种图像区域检测方法,其特征在于,所述按照预定规则计算所述聚簇的聚簇概率包括:计算所述聚簇中每个聚簇与其他聚簇的距离和,以所述聚簇和与所有聚簇的所述距离和的总和的比值作为所述聚簇的聚簇概率。5.如权利要求4所述的一种图像区域检测方法,其特征在于,所述计算所述聚簇中每个聚簇与其他聚簇的距离和包括:采用下式计算所述聚簇中每个聚簇与其他聚簇的距离和D(Ci): D ( c i ) = Σ j = 1 L w j | | c i , c j | | ]]>上式中,L为聚簇的个数,||ci,cj||为当前聚簇Ci的聚簇中心的混合特征向量与其他聚簇的聚簇中心混合特征向量的欧氏距离,Wj为根据当前聚簇Ci所包括的像素点设置的权重。6.如权利要求1所述的一种图像区域检测方法,其特征在于,所述基于所述聚簇概率计算所述聚簇中像素点的像素概率包括:所述聚簇中像素点的像素概率为该像素点所属聚簇的聚簇概率。7.如权利要求1所述的一种图像区域检测方法,其特征在于,所述基于所述聚簇概率计算所述聚簇中像素点的像素概率包括:以待求像素点p为中心提取第一邻域窗口W(p)’的像素点,采用下式计算所述待求像素点p的像素概率Sal(p): Sal ( p ) = Σ q = 1 t 1 2 π σ 2 e - P ( q ) 2 2 σ 2 ]]>上式中,P(q)为所述第一邻域窗W(p)’内的像素点q所属聚簇的聚簇概率,t为待求像素点p所属的聚簇中像素点的个数,σ为设置的平滑参数。8.如权利要求1所述的一种图像区域检测方法,其特征在于,所述基于所述像素概率对所述待处理图像进行检测获取目标区域包括:将所述待处理图像中像素点的像素概率值符合判断阈值PV要求的像素点作为所述待处理图像的目标区域;或者,将所述待处理图像中像素的概率值大于第一阈值PF的像素点作为种子像素点;以所述种子像素点为中心计算与周围第二邻域窗口中像素点的欧式距离;将所述欧式距离小于第二阈值的像素点作为新的种子像素点;遍历所有所述种子像素点与周围所述第二邻域窗口中像素点的欧式距离并做出判断,将所述计算得出的种子像素点作为所述待处理图像的目标区域。9.如权利要求8所述的一种图像区域检测方法,其特征在于,所述判断阈值PV的取值范围为:0.8≤PV≤0.95;或者,所述第一阈值PF的取值范围为:0.8≤PF≤0.95。10.一种图像区域检测装置,其特征在于,所述装置包括:特征计算模块,用于计算得出待处理图像像素点的颜色特征和梯度特征,并构建所述待处理图像的混合特征向量;聚类模块,用于对所述混合特征向量进行聚类,获取聚类后的聚簇;聚簇概率模块,用于根据预定规则计算所述聚簇的聚簇概率;像素概率模块,用于基于所述聚簇概率计算所述聚簇中像素点的像素概率;检测模块,用于基于所述像素概率对所述待处理图像进行检测,获取目标区域。11.如权利要...

【专利技术属性】
技术研发人员:石克阳
申请(专利权)人:阿里巴巴集团控股有限公司
类型:发明
国别省市:开曼群岛;KY

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1