[发明专利]一种基于Random Walk的图像融合方法

说明书

技术领域

本发明涉及一种基于Random Walk的图像融合方法。

背景技术

图像融合是图像编辑中的一个重要的环节，其目的是将源图像中的物体拷贝到目标图像中，并使新生成的图像在视觉上自然、真实。PhotoShop等商业图像编辑工具提供的alpha blend图像融合功能需要用户将源图像中的“显著物体”完整地分割出来，再将其粘贴到目标图像中。其中的图像分割阶段需要大量的用户交互，不但耗时，而且微小的分割失误也会极大地影响图像融合的视觉效果。Poisson image editing方法将源图像中含有“显著物体”的图像patch完整地拷贝到目标图像中，并使用梯度域的方法消除了被拷贝patch与目标图像在patch边界上的不一致性。Poisson image editing方法无需事先分割出源图像中的“显著物体”，因此克服了alpha belnd方法的缺陷。但是梯度域方法在消除patch边界上的不一致性的同时会导致整个patch内部的颜色会向着目标图像在patch边界上的颜色改变。因此，当源图像与目标图像在patch边界上的差异过大时，Poisson image editing方法会造成patch内部“显著区域”的颜色失真，形成不良的视觉效果。

发明内容

本发明所要解决的技术方案是提供一种基于Random Walk的图像融合方法，它无需复杂用户交互、无需事先对源图像中的“显著物体（待复制图像）”进行分割，用户只需提供含有“显著物体”的图像patch并指定在目标图上的拷贝位置，本方法将自动地消除patch的边界不一致，并保证“显著物体”的颜色不发生改变。为此本发明采用以下技术方案，它包括以下步骤：

(1)、在源图像中勾勒出含有待复制图像的图像patch，并指定该图像patch拷贝到目标图像上的具体位置；

(2)、为所述含有待复制图像的图像构造图结构，

将所述含有待复制图像的图像中的像素作为“顶点”，通过度量图像中像素间颜色的相似性构造连接“顶点”的“边”，进而为图像构造出所述“图结构”，并以此为依据构造Laplacian矩阵；

(3)、根据图像融合问题的需要重新确定边界条件，结合步骤(2)中生成的Laplacian矩阵，使用Random Walk方法求解Dirichlet问题，进而得到图像融合问题所需要的中间结果；

(4)、将步骤(3)中生成的中间结果与源图像相叠加，并将叠加结果拷贝到步骤(1)中指定的拷贝到目标图像上的位置，生成图像融合结果。

在采用上述技术方案的基础上，本发明还可采用以下进一步的技术方案： 

它采用基于人工交互的方式在源图像中勾勒出所述含有待复制图像的图像patch，并以这个粗略截取的图像patch作为后续步骤中要进行融合的对象。与需要进行预先分割“显著区域”的方法相比，使用这种整块patch拷贝的方法，更容易保证融合内容的完整性。

它使用简单比划方式在源图像中指示计算RandomWalk的边界条件。

在步骤(1)中，计算包含图像patch的正矩形包围盒，将后续步骤的运算范围限制在包含图像patch的正矩形包围盒内。这样不但可以更加充分的利用本地信息，而且能够加快算法速度。

它为所述正矩形包围盒所对应的子图构造一个关于半径参数                                                的拓扑连接关系，将间距超过指定半径的顶点判定为相互无关的顶点。由于利用了图像本身具有“内容连续”的特性，可以生成更加“紧凑”的像素间相似性表示。

它为所述正矩形包围盒所对应的子图，按照所构造的拓扑关系构造邻接矩阵，使用邻接矩阵作为子图像素间相似性的描述符。其中使用了带参数的高斯核度量顶点之间的相似性，这种距离度量方式使本发明提供的方法具有非线性特性。

本发明改造传统Random Walk方法中的边界条件，使Random Walk方法的计算结果满足图像融合问题的“中间结果”的需要。利用了Random Walk的特性，直接生成了“内容相关”的图像融合问题所需要的“中间结果”，从而省略了传统算法中“显著区域”分割的步骤，提高了算法的执行效率。同时，Random Walk的各向异性扩散性质使得本方法具有很强的抵抗patch边界颜色突变的能力，与现存的“内容相关”的图像融合方法相比，可以得到更加自然，真实的图像融合效果。

由于本发明的技术方案，本发明同时还具有以下有益效果：