[发明专利]一种基于显著性检测的肖像照片自动背景虚化方法

权利要求书

1.一种基于显著性检测的肖像照片自动背景虚化方法，其特征在于，包括以下步骤：

步骤S1：利用线性谱聚类超像素分割算法将肖像图像分割为N个超像素，然后利用改进的显著优化算法计算出每个超像素的显著值；

步骤S2：对得到的超像素的显著值，利用大津法计算出一自适应阈值，将显著值大于所述自适应阈值的超像素标记为前景区域，同时设置一固定阈值，将显著值小于所述固定阈值的超像素标记为背景区域，而其余区域则被标记为未知区域，从而得到一个超像素尺度的标记三分图；

步骤S3：利用超像素尺度的GrabCut算法，从标记三分图中分割得到人像区域边界；

步骤S4：基于步骤S3得到的人像区域边界及步骤S1得到的显著检测结果，先利用快速引导滤波算法对背景区域进行模糊，再对前景区域根据显著检测结果有选择地进行细节增强，从而得到背景虚化效果。

2.根据权利要求1所述的一种基于显著性检测的肖像照片自动背景虚化方法，其特征在于，所述步骤S1中，利用线性谱聚类超像素分割算法将肖像图像分割为N个超像素，然后利用改进的显著优化算法计算出每个超像素的显著值，包括以下步骤：

步骤S11：对任意肖像图像I，利用线性谱聚类超像素分割算法将其分割为N个超像素得到超像素分割标记集合每一个超像素分割标记l_i对应第i个超像素所包含的所有像素点的集合，i为超像素分割标记l_i的下标；

步骤S12：对步骤S11得到的N个超像素，计算得到其对应的背景连接先验值，CIE-Lab颜色空间上每一个超像素的平均颜色值z_i的集合为接着构建一个连接所有相邻超像素的无向权重图，并将所述无向权重图中连接任意两个相邻的超像素的边的权重定义为这两点超像素颜色值的欧几里得距离；从而计算得到任意两点超像素(p_j,p_i)之间的测地距离d_geo(p_j,p_i)，下标j、i取值均为1到N；由背景连接先验的定义，先假定图像边界上的超像素属于背景区域，在此基础上定义超像素p_j在颜色空间上的生成区域为Area(p_j)，且所述生成区域在图像边界上的边长为L(p_j)，则定义背景连接先验值BndCon(p_j)为：

其中σ_clr表示测地距离d_geo(p_j,p_i)所属标准高斯分布的标准差，Bnd为初始假定的属于背景区域的超像素集合，由于改进的显著优化算法不直接假设肖像图像所有边界上的超像素都属于背景区域，而是只假设肖像图像的左、右及上边界上的超像素属于背景区域，所以集合Bnd只包含了图像的左、右及上边界上的超像素，表示超像素p_i不属于集合Bnd，括号内判别式为真时，表示超像素p_i不属于集合Bnd，则δ(·)＝0，括号内判别式为假时，则δ(·)＝1；

从而得到每个超像素的背景连接先验值，且属于背景区域的超像素的背景连接先验值在数值上远大于属于前景区域的超像素；

由计算得到的所有超像素的背景连接先验值，对于超像素p_i，其属于背景区域的概率权重定义为：

其中σ_c是数值大小在[0.5，2.5]之间的参数；

而超像素p_i属于前景区域的概率权重定义为：

其中，d_E(p_i,p_j)表示超像素p_j和p_i在颜色空间CIE-Lab上的欧几里得距离，

其中d_s(p_i,p_j)是超像素p_j和p_i的中心点的空间距离，σ_s为高斯分布的标准差参数；

的计算与BndCon(p_i)有关，即与集合Bnd的确定有关，因此集合Bnd的优化能影响到的取值，进一步影响到优化方程的求解，从而对每个超像素的显著值产生影响；

步骤S13：对集合利用大津法求得阈值t_wb，将四个边界上小于阈值t_wb的超像素从集合Bnd中剔除，大于等于阈值t_wb的超像素重新加入到集合Bnd中，从而完成对集合Bnd的优化；

步骤S14：通过将前景概率值背景概率值以及平滑权重作为参数来求解优化方程，得到超像素的显著值s_i，优化方程为：

其中，平滑权重d_app(p_i,p_j)是超像素p_i和p_j在CIE-Lab颜色空间上的欧几里德距离；

通过求解优化方程得到每个超像素的显著值s_i，并将显著值归一化到[0,1]范围内。