基于图像显著性提取的加权引导滤波景深渲染方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109215031A(43)申请公布日2019.01.15(21)申请号201710531901.7(22)申请日2017.07.03(71)申请人中国科学院文献情报中心地址100080北京市海淀区中关村东路95号中国科学院自动化研究所智能化大厦4层406室(72)发明人葛水英杨真(51)Int.Cl.G06T7/11(2017.01)G06T7/194(2017.01)G06T5/00(2006.01)权利要求书2页说明书5页附图2页(54)发明名称基于图像显著性提取的加权引导滤波景深渲染方法(57)摘要本发明公开了一种基于图像显著性提取的加权引导滤波景深渲染方法，其中，该方法包括步骤1：输入原始图像，利用RC算法根据全局对比度求取显著值，获取图像的前景部分；步骤2：根据引导滤波对前景部分边缘进行细化；步骤3：对图像其余部分使用加权引导滤波算法进行模糊。CN109215031ACN109215031A权利要求书1/2页1.一种基于图像显著性提取的加权引导滤波景深渲染方法，其特征在于，该方法至少包括：步骤1：输入原始图像，利用RC算法根据全局对比度求取显著值，获取图像的前景部分；步骤2：使用引导滤波羽化对前景部分边缘进行细化；步骤3：对图像其余部分使用加权引导滤波算法进行模糊。2.根据权利要求1所述的方法，其特征在于，所述步骤1具体包括：输入原始图像，把输入图像分为多个区域，然后为每个区域建立颜色直方图。引入的一个空间加权项来进一步包含空间信息。对于一个区域rk，基于空间加权区域对比度的显著性定义如下：其中Ds(rk，ri)是区域rk和区域ri之间的空间距离，σs用来控制空间权重的大小。w(ri)是区域ri的权重。ws(rk)是类似于中心偏差的空间先验加权项。Dr(rk，ri)是两个区域间的颜色距离度量。区域r1和r2之间的颜色距离定义如下：其中f(ck，i)是第i个颜色ck，i在第k个区域rk中的所有的nk个颜色中出现的频率。原始图像中的前景物体往往具有更大的显著值，因此在图像显著图中前景物体会高亮显示。上述过程可以获得图像前景区域即保持清晰的部分的大致轮廓。3.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括：为得到细化后的前景边缘，将步骤1得到的前景图像作为引导滤波的输入图像，使用原始图像作为引导图像，进行图像引导滤波操作，得到边缘细化的图像景深部分。若输入图像为p，输出图像为q，引导图为I，求解滤波结果相当于最小化窗口ωk的损失函数其中，ak，bk为线性系数，且在以k为中心，半径为r的局部窗口ωk中为常数。ε是防止ak过大的正则化参数。4.根据权利要求1所述的方法，其特征在于，所述步骤3具体包括：对图像非前景区域进行加权引导滤波，得到图像模糊效果。加权后的引导滤波损失函数变为其中，WG(i)是滤波边缘权重，定义如下：其中I为引导图像，为像素点周围3*3领域内的方差，γσ为常量0.06553，N为引导2CN109215031A权利要求书2/2页图像的像素总数。3CN109215031A说明书1/5页基于图像显著性提取的加权引导滤波景深渲染方法技术领域[0001]本发明实施例涉及计算机图像处理技术领域，尤其是涉及图像显著性提取及图像滤波方法。背景技术[0002]景深是人眼和照相机镜头重要的光学特性。在景深区域之内物体成像是清晰的，景深区域之外的图像都是模糊的。景深在突出摄像主体方面具有重要作用。给定一幅图像，在没有深度信息的情况下，对景深区域的估计和提取就显得至关重要。对大量图片观察发现，图像中最突出的对象总是具有最小深度值的对象，通常也是图像主体部分。因此可以提取图像前景部分作为景深部分，图像其余部分作为背景使用滤波方式进行模糊。同时，若前景部分边缘细节较多，提取的前景部分也需要保留细节。针对以上问题，本发明提出了一种基于图像提取的加权引导滤波景深渲染方法，使用RC算法提取图像前景，引导滤波细化前景边缘，其余部分使用加权引导滤波获得模糊效果。发明内容[0003]本发明实施例的主要目的是提供一种基于图像提取的加权引导滤波景深渲染方法。[0004]为了实现上述目的，根据本发明的一个方面，提供了以下技术方案：[0005]一种基于图像显著性提取的加权引导滤波景深渲染方法。该方法至少包括：[0006]步骤1：输入原始图像，利用RC算法根据全局对比度求取显著值，获取图像的前景部分；[0007]步骤2：使用引导滤波羽化对前景部分边缘进行细化；[0008]步骤3：对图像其余部分使用加权引导滤波算法进行模糊。[0009]进一步地，所述步骤1具体包括：[0010]使用基于图形的图像分割方法把输入图像分割为多个区域，然后为每个区域建立颜色直方图。引入的一个空