[发明专利]一种基于显著性的图像编辑方法

说明书

技术领域

本发明涉及图像，视频处理技术领域，具体地说是涉及一种利用显著性进行图像间颜色转移的图像操作方法。

背景技术

随着互联网和多媒体技术的蓬勃发展，显著性检测受到了越来越广泛的关注，它可以用来检测一张图像的显著区域。显著性检测被用在很多应用中，例如显著性物体分割和检测，基于内容的图像或视频压缩和内容感知的图像或视频重定位等等。

现有技术中，2014年，Mateescu等人利用改变色调的方法来实现目标增强，具体做法是根据目标区域和其余区域的色调分布的差异性调整色调，这个方法直接改变了物体的颜色而忽略了改变过后的颜色是否真实。2016年，Roey等人利用显著性来进行目标增强，他计算出一幅图像中的高显著性区域，利用patchmatch的方法将目标区域的颜色替换为高显著性区域的颜色，达到了目标增强的效果，但是由于这种方法可以替换的颜色只能来源于同一张图片，所以当这张图片只包含一种颜色集的时候，这个方法就失效了。而且，由于没有用到语义信息，这种方法也不能够保证颜色转移后物体的真实性。

发明内容

本发明的目的在于针对已有目标增强的技术中存在的缺陷，提出一种基于显著性的图像编辑方法，该方法利用显著性检测对一幅图像进行编辑，能够保持物体的真实性的同时改变它的颜色以实现改变目标区域的显著性，比如目标增强的效果。

为了达到上述目的，本发明采用的技术方案如下：

一种基于显著性的图像编辑方法，具体步骤如下：

(1)、输入原始图像I，和需要改变的区域掩膜M；

(2)、利用Gist特征和颜色直方图，计算原始图像与其相似图像的相似度，从而得到N_C幅候选图像；

(3)、利用显著性模型计算出候选图像的显著性图，将候选图像中显著性区域高的颜色转移给原始图像中的掩膜区域，生成N_C幅颜色转移后的图像

(4)、对于每一幅颜色转移后的图像，用显著性模型RBD来计算它们的显著性图，记作根据每一幅显著性图的选出最好的效果图，作为输出图像FI。

上述步骤(2)所述获取候选图像的具体步骤如下：

(2-1)、对于原始图像，计算它与同一标签下其他照片的Gist特征和颜色直方图的距离；

(2-2)、选出N_C幅距离最小的候选图像，N_C取3，它们之间的距离由下式计算：

其中χ²(·)代表卡方距离，代表计算出的与原始图像距离最大的N_C幅候选图像，和代表Cⁱ第i幅候选图像的RGB和Lab颜色空间的颜色直方图，代表候选图像的Gist特征描述向量，相应的，和代表原始图像I的RGB和Lab颜色空间的颜色直方图，代表原始图像I的Gist特征描述向量。

所述步骤(3)中的在原始图像和候选图像之间进行区域级的颜色转移，具体步骤如下：

(3-1)、首先，对于步骤(2)中的每一幅候选图像，用显著性模型RBD来获取相应的显著性图，根据一个预定义的阈值τ₁来获得高显著性区域，这个高显著性区域用H来表示，其中τ₁取0.1；

(3-2)、将原始图像和候选图像都从RGB空间转换为CIELab颜色空间；对于CIELab颜色空间的每一个通道，计算原始图像的目标区域和候选图像的高显著性区域的均值和标准差；

(3-3)、对于每一幅候选图像，都与原始图像进行区域间的颜色转移，由下式计算：

其中σ_M和μ_M代表原始图像中目标区域的标准差和均值，同样的，和代表候选图像Cⁱ中高显著性区域的标准差和均值，颜色转移后的图像记作

所述步骤(4)中的对结果进行优化的方法，具体步骤如下：

(4-1)、对于进行过颜色转移的图像用显著性模型RBD分别计算出它们相应的显著性图

(4-2)、对于中的每一幅显著性图，计算它的并选出具有最高的候选图像，由下式计算：

FI:＝TI^i*

最后选出的图像记作FI。

本发明与现有的技术相比，具有如下优点：