[发明专利]实时的一致图像选择

说明书

相关申请的交叉引用

本申请要求2006年7月21日提交的美国临时申请No.60/820,087 “Live Coherent Image Selection”的优先权；将该在先申请的公开视 为是本申请公开的一部分(并通过引用将其包含于此)。

技术领域

本说明书涉及选择图像的部分。

背景技术

典型的像素分类技术允许用户提供输入(例如，通过使用鼠标)， 该输入描绘或者选择来自图像中用户所期望选择的对象的一些像素。 分类技术继而可以根据接收到的用户输入对图像中的所有其他像素 进行分类，理想上是选择来自所期望对象的所有像素。

具体地，图切分(graph cut)技术是将空间一致性借用到像素分 类的像素分类技术，其可以通过最小化具有两类项的目标代价函数来 实现：区域代价和边界代价。区域代价反映将特定像素标记为前景或 者背景的代价。边界代价反映将一对相邻像素标记为都是前景、都是 背景或者一个前景一个背景的代价。当一对像素具有相似的颜色时， 利用不同的分类来标记两个像素的边界代价是高的，因为具有相似颜 色的两个像素可能应当都被选中，或者都不被选中。可以通过将给定 像素的颜色与前景和背景中期待的颜色的模型进行比较来确定区域 代价。一般地，该模型是根据用户提供的选定像素而得出的。可以通 过找到使图像内的用户选定像素所约束的代价函数最小化的像素的 标记来确定像素的分类。可以使用多种技术来通过最小化代价函数找 到像素分类。一种有效的方法通过如下来实现它：将像素分类问题映 射到图上，并求解最小图切分问题或者与其等价的最大图流问题。

图切分技术通常提供对图像内所描绘的一个或多个离散对象的 连续选择，而不会选择该一个或多个期望对象之外的不期望的或者断 开的区域。然而，这些技术通常需要大量的计算，使其无法响应实时 (live)用户输入。

实时分类技术对图像内的像素进行分类，从而可以在用户提供输 入(例如，在图像中描绘期望的对象)时该分类的呈现展示给用户。 然而，实时分类技术可能受制于不佳的、不一致的分类，其特征通常 是部分而非全部的对象选择(例如，错分类的小区域，或者结果分类 中的“孔”)。而且，在接收输入时，实时分类可能出现用户发现难以 预测的不确定行为或者不稳定行为(例如，分类在图像中所描绘对象 的边界的相对较小的间隔中有所遗漏)。非预期的和不期望的选择需 要用户进行耗时的修正。此外，由于所采用算法的缓慢，实时分类技 术在此前仅仅对于小图像进行了示范。

发明内容

总体上，在一个方面，实施方式的特征在于，接收定义来自图像 的像素样本的用户输入。图像由一系列像素定义。在接收用户输入的 同时，执行以下动作一次或多次：1)根据像素样本，在一系列像素 中将像素一致地分类为前景或者背景；以及2)在定义所述样本时， 在显示器上更新图像的绘制，以描绘经过分类的前景像素和背景像 素。此方面的其他实施方式包括相应的系统、装置以及计算机程序产 品。

这些和其他实施方式可以可选地包括一个或多个以下特征。一致 地分类可以包括一致地分类图像的较低分辨率版本的像素，以生成图 像的较低分辨率版本的分类。一致地分类可以包括根据图像的较低分 辨率版本的分类来确定图像的边缘区域，并且以全分辨率对图像的边 缘区域一致地分类。一致地分类可以包括最小化包含区域代价和边界 代价的目标代价函数。最小化目标代价函数可以包括增量式地求解一 个或多个图切分问题。可以根据像素的一致分类来更新先前的像素分 类。一致地分类可以包括使用分段恒定的区域代价。