图像合成方法及系统技术方案

本发明专利技术提供一种图像合成方法及系统，该方法包括：对初始图像中的目标和背景进行分割，获取分割后的目标图像；基于分割后的目标图像边缘非透明像素点个数和预设关系曲线，获取边缘透明通道临界值，所述预设关系曲线表示目标样本图像边缘非透明像素点个数和边缘透明通道临界值之间的关系；基于所述透明通道临界值对分割后的目标图像进行边缘优化，获取优化后的目标图像；根据优化后的目标图像和待融合背景，获取融合图像。本发明专利技术实现边缘部分的精细分割，并且降低了算法复杂度，提高了图像融合效率。效率。效率。

【技术实现步骤摘要】
图像合成方法及系统


[0001]本专利技术涉及计算机
，尤其涉及一种图像合成方法及系统。

技术介绍

[0002]人像分割技术是图像识别中的一种图像处理技术，最初由影视行 业发展而来，现已成为视角特效制作中至关重要的技术。利用人像分 割技术，广告、海报等领域制作人可以把一个需要的人物无缝嵌入到 指定的场景中。传统的人像分割方法主要是基于采样、传播以及两者 相结合的方法，这类方法大多是把拟嵌入的人物放置在一个纯色背景 中进行拍摄，后期进行纯色背景替换，其应用场景狭窄，对拍摄场地 要求也有较大限制。但是随着计算机技术的发展，用户对能从一副任 何背景图片中抠出对应的人物的需求越来越迫切，同时对于抠出来的 人物合成新背景的需求也提出了更高的质量要求。深度学习的发展使 这种要求成为可能，基于深度学习的人像分割方法更是得到研究人员 的广泛关注，并在此基础上提出了一系列精度更高、泛化能力更强的 方法。
[0003]现有的一种全自动人像蒙版抠图方法主要通过构建Trimap网络、 Matting网络和融合模块三阶段神经网络模型并进行训练实现全自动 的发丝级人像蒙版抠取，使得用户无需掌握丰富的抠图知识即可完成 精确抠图。
[0004]但是该方法采用三阶段神经网络模型，需要Trimap网络、Matting 网络和融合模块三阶段神经网络进行融合，需要结合图像的Trimap 图像得到对应的蒙版图像以达到抠图的效果。该方法局限于需要根据 训练好的Trimap网络得到对应的蒙版才能实现人像分割的效果，需 要大量的数据集进行训练才能得到准确的Trimap图像，消耗资源大， 耗时时间长，因此本方法对于人像分割的使用有一定的局限性，难以 提升用户的使用效率。

技术实现思路

[0005]本专利技术提供一种图像合成方法及系统，用以解决现有技术中图像 合成效率低的缺陷。
[0006]本专利技术提供一种图像合成方法，包括：
[0007]对初始图像中的目标和背景进行分割，获取分割后的目标图像；
[0008]基于分割后的目标图像边缘非透明像素点个数和预设关系曲线， 获取边缘透明通道临界值，所述预设关系曲线表示目标样本图像边缘 非透明像素点个数和边缘透明通道临界值之间的关系；
[0009]基于所述透明通道临界值对分割后的目标图像进行边缘优化，获 取优化后的目标图像；
[0010]根据优化后的目标图像和待融合背景，获取融合图像。
[0011]根据本专利技术提供的一种图像合成方法，所述预设关系曲线为最小 二乘法拟合的关系曲线。
[0012]根据本专利技术提供的一种图像合成方法，所述拟合优度通过如下公 式计算：
[0013][0014]其中，R2表示所述拟合优度，SSR表示回归平方和，SST表示总 体平方和。
[0015]根据本专利技术提供的一种图像合成方法，所述对初始图像中的目标 和背景进行分割，获取分割后的目标图像，包括：
[0016]将初始图像输入到DeepLabV3.0+深度神经网络中，获取目标和 背景，其中，DeepLabV3.0+深度神经网络以爱分割公司开源数据集 训练得到。
[0017]根据本专利技术提供的一种图像合成方法，所述根据优化后的目标图 像和待融合背景，获取融合图像，包括：
[0018]基于alpha掩膜对优化后的目标图像和所述待融合背景进行合成， 获取所述融合图像。
[0019]根据本专利技术提供的一种图像合成方法，所述目标图像为人像。
[0020]本专利技术还提供一种图像合成系统，包括：
[0021]分割模块，用于对初始图像中的目标和背景进行分割，获取分割 后的目标图像；
[0022]临界值计算模块，用于基于分割后的目标图像边缘非透明像素点 个数和预设关系曲线，获取边缘透明通道临界值，所述预设关系曲线 表示目标样本图像边缘非透明像素点个数和边缘透明通道临界值之 间的关系；
[0023]优化模块，用于基于所述透明通道临界值对分割后的目标图像进 行边缘优化，获取优化后的目标图像；
[0024]融合模块，用于根据优化后的目标图像和待融合背景，获取融合 图像。
[0025]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储 器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时 实现如上述任一种所述图像合成方法的步骤。
[0026]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算 机程序，该计算机程序被处理器执行时实现如上述任一种所述图像合 成方法的步骤。
[0027]本专利技术提供的一种图像合成方法及系统，提出了alpha边缘透明 通道临界值与目标图像边缘非透明区域剩余像素点的非线性关系曲 线，根据最小二乘法、拟合优度推导出x与y的三项式拟合公式，得 到在不损失原有人像全部像素点的前提下alpha通道最优值，实现边 缘部分的精细分割，并且降低了算法复杂度，提高了图像融合效率。
附图说明
[0028]为了更清楚地说明本专利技术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一简单地介绍，显而易见 地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术 人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得 其他的附图。
[0029]图1为本专利技术提供的一种图像合成方法的流程图；
[0030]图2为本专利技术提供的一种人像分割以及背景合成整体设计流程 图；
[0031]图3为样本散点图；
[0032]图4为绘制原始像素点与拟合直线的图像；
[0033]图5为本专利技术提供的一种图像合成系统的结构示意图；
[0034]图6为本专利技术提供的一种电子设备的实体结构示意图。
具体实施方式
[0035]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本发 明中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然， 所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于 本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提 下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]针对图像融合，现有技术中还提供一种基于深度学习的自然图像 抠图方法。该专利技术通过获取抠图数据集，并进行数据增强；搭建具有 编码器
‑
解码器结构的自然图像抠图模型，为保留细节信息，设计编 码器使其下采样倍数为4，为弥补下采样倍数下降带来的感受野变小， 引入空洞卷积扩大感受野，保存最大池化操作中最大像素位置，以便 为上采样阶段提供位置信息；为解决多尺度问题，在编码器顶部连接 一个空洞空间金字塔模块；在解码器中设计全局语境模块，用于融合 所述编码器与解码器对应的高层特征；最后训练并测试。本专利技术在提 取特征过程中保留更多细节信息，同时关联多尺度特征，使模型能捕 抓到全局信息，有利于模型处理细节以及大面积透明物体，提升抠图 质量。
[0037]该方法搭建具有编码器—解码器结构的自然图像抠图模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像合成方法，其特征在于，包括：对初始图像中的目标和背景进行分割，获取分割后的目标图像；基于分割后的目标图像边缘非透明像素点个数和预设关系曲线，获取边缘透明通道临界值，所述预设关系曲线表示目标样本图像边缘非透明像素点个数和边缘透明通道临界值之间的关系；基于所述透明通道临界值对分割后的目标图像进行边缘优化，获取优化后的目标图像；根据优化后的目标图像和待融合背景，获取融合图像。2.根据权利要求1所述的图像合成方法，其特征在于，所述预设关系曲线为最小二乘法拟合的关系曲线。3.根据权利要求1所述的图像合成方法，其特征在于，所述预设关系曲线通过如下方式获得：获取不同原始关系曲线对目标样本图像边缘非透明像素点个数和边缘透明通道临界值之间的拟合结果；根据拟合结果，获取原始关系曲线对应的拟合优度；将拟合优度最小的原始关系曲线作为所述预设关系曲线。4.根据权利要求3所述的图像合成方法，其特征在于，所述拟合优度通过如下公式计算：其中，R2表示所述拟合优度，SSR表示回归平方和，SST表示总体平方和。5.根据权利要求1至4任一所述的图像合成方法，其特征在于，所述对初始图像中的目标和背景进行分割，获取分割后的目标图像，包括：将初始图像输入到DeepLabV3.0+深度神经网络中，获取目标和背景，其中，DeepLabV3.0+深度神经...

【专利技术属性】
技术研发人员：邓燕捷，刘雄，陈沛球，丁建昌，张鹏，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：