[发明专利]一种基于显著性目标检测的自动抠图方法及其配套系统

说明书

本发明属于计算机视觉技术领域，公开了一种基于显著性目标检测的自动抠图方法及其配套系统，实现方法包括：将图像输入到显著性目标检测神经网络模块，获得前后景分离蒙版图；随后进入抠图模块，将蒙版图与原图蒙版生成背景透明而前景可见的图像；用户根据抠图结果来判断是否需做进一步的修改；若抠图结果完整且精确，可直接使用显著性目标检测神经网络产生的抠图结果；若抠图不完整或精确度不足，则转入交互式抠图模块，用户根据实际情况进行局部修改；最后使用修改好的蒙版图与原图进行计算抠图。本方法能够对原图进行前景的自动抠取，同时也可对自动抠图结果进行更准确的编辑，能便捷且高效地辅助用户实现精准抠图。

技术领域

本发明涉及数字图像处理技术领域，更具体地，涉及一种基于显著性目标检测的自动抠图方法及其配套系统。

背景技术

在电商设计平台上，用户经常需要对图像做各类编辑处理，其中抠图便是一项频繁使用的应用场景。具体来讲，抠图是将图像中的目标区域分割出来，实现前景和后景的精确分离。它是图像和视频处理的一项重要技术，设计师通常可借助于photoshop等工具实现抠图。与此同时，对设计者的图像处理软件的应用技能也有较高的要求，并且在抠取细节较为复杂的对象时(例如，发丝、网格，半透明玻璃等)，通常会耗费较长的时间和较大的精力，效率低下且稳定性不足。

随着图像处理技术的发展，尤其是近些年深度卷积神经网络技术(CNN)的发展涌现了许多优秀的抠图算法。2017年，Xu等人(Ning Xu,Brian Price,Scott Cohen andThomas Huang,Deep Image Matting,CVPR 2017)提出：首先，通过深度卷积的encoder-decoder网络，输入图像和图片对应的一个trimap，来预测图像的alpha matte(蒙板)。然后，用小型卷积网络对第一部分得到的蒙板进行微调，获得边缘更尖锐的结果。2019年，Cai等人 (Shaofan Cai,Xiaoshuai Zhang,Haoqiang Fan,Haibin Huang,Jiangyu Liu,Jiaming Liu,Jiaying Liu,Jue Wang,and Jian Sun,Disentangled Image Matting,ICCV2019)提出：将抠图问题分解为两个子任务:trimap自适应(一种分类任务)和alpha估计(一种修正任务)。其中，trimap自适应是一个像素级分类问题，它通过识别确定的前景、背景和半透明图像区域来推断输入图像的全局结构。alpha估计是一个回归问题，计算每个像素的不透明度值。

尽管它们在最终抠图的精度方面都有比较大的突破，但仍比较依赖trimap三分图，且trimap的精度对最终的抠图结果会产生非常大的影响，无法实现真正意义上的端到端高精度自动抠图。为解决在实际应用中显著性目标检测算法在多目标、复杂场景下的弊端，本发明还提供了一种自动抠图和交互式抠图相结合的辅助抠图系统。

发明内容

为解决现有技术所存在的问题，受显著性目标检测原理的启发。本发明提出了一种基于显著性目标检测的自动抠图方法，该算法能够自动识别图像中最具视觉吸引力的对象并将其精准地分割出来，且输入及中间过程均完全不依赖trimap三分图，实现真正意义上的端到端自动抠图。同时，为解决在实际应用中显著性目标检测算法在多目标、复杂场景下的弊端，让用户可灵活对抠图对象做编辑修改，本发明还提供了一种自动抠图和交互式抠图相结合的抠图辅助系统。

为达到以上目的，本发明第一方面提出了一种基于显著性目标检测的自动抠图方法，包括：