[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

说明书

本发明涉及一种基于显著性检测的肖像照片自动背景虚化方法，包括以下步骤：1、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，利用改进的显著优化算法计算出各超像素的显著值；2、利用大津法将显著值大于自适应阈值的超像素标记为前景区域，将显著值小于固定阈值的标记为背景区域，其余标记为未知区域，得到超像素尺度的标记三分图；3、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；4、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。该方法能够仅依赖单张肖像图像快速地进行背景虚化，并提高背景虚化效果。

技术领域

本发明涉及图像和视频处理以及计算机视觉领域，特别是一种基于显著性检测的肖像照片自动背景虚化方法。

背景技术

随着智能设备的快速普及，智能手机拍摄的照片多数属于肖像照片。由于不具备专业的照片后期处理技术，大部分智能设备用户对后期自动美化肖像照片具有很强的需求。其中，背景虚化技术又称为浅景深技术，是一种用来突显摄影主体，有层次地表达视觉美感的美化方式。目前，随着智能设备硬件的快速发展，实现背景虚化技术主要依赖两种硬件基础，一是智能设备的后置双摄像头，二是智能设备的前置景深传感器。这两者都是通过硬件辅助获取场景的深度信息来合成图像的景深渲染效果。当具备单张图像场景的深度信息作为先验，算法对单张照片进行景深渲染也相对简便。然而，这两种硬件基础目前还未普及，现有大量智能手机一般是机身前后各只放置一个摄像头。除硬件实现背景虚化外，还有一些软件功能实现，如普通智能设备的用户能够利用照片美化软件并手动选取照片中的前景区域，再调整对背景的模糊设置来得到相似效果。但由于该操作过程较为繁琐，因此一种设备成本低、操作简易、且仅依赖单张图像的背景虚化算法成为计算机视觉的研究热点。

由于肖像图中人像的特殊空间位置，算法可以融合先验知识来加速推理过程。其中，Zhu等人提出的显著物体检测算法是一种基于背景检测的显著性优化算法(SaliencyOptimization简称SO算法)，产生的显著图经常被视作前景物体的先验知识应用于各种场景。Chen等人认为肖像照片中前景的人像区域通常也会是显著图中的显著区域。Chen等人将人脸特征加入到SO算法中来优化显著图，并且算法基于显著图的先验信息利用一种新的梯度域引导滤波算法同时模糊肖像照片中的背景并增强前景中人像区域的细节。Chen等人提出的算法由于没有计算前景人像区域与背景的边界，会导致部分人像区域被虚化。

发明内容

本发明的目的在于提供一种基于显著性检测的肖像照片自动背景虚化方法，该方法能够仅依赖单张肖像图像快速地进行背景虚化，并提高背景虚化效果。

为实现上述目的，本发明采用的技术方案是：一种基于显著性检测的肖像照片自动背景虚化方法，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。

进一步地，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：