基于识别模型的批量图像分割方法及系统

摘要

本发明提供了一种基于识别模型的批量图像分割方法及系统。目前许多桌面图像处理软件甚至是一些移动设备上的应用都提供了图像分割的功能，用于将一幅图片中的前景和背景进行分离。但是这类软件通常需要用户手动圈出图片中前景的轮廓，对用户的交互操作要求较高，并且无法对多张图像进行批量处理。本发明针对上述问题设计，为用户提供多种不同的基于识别的模型，用户只需手动选择一个或多个模型，然后再选取要处理的图片，系统即可根据用户所选择的模型自动对所有图片进行分割操作。

主权项

一种基于识别模型的图像分割方法，其特征在于，包括以下步骤：1)提供多种识别模型供用户选择；2)获取用户手动选择的识别模型；3)进入图片选取模式，获取用户选择的需进行处理的图像；4)基于用户所选择的模型，对用户选择的图像运行基于识别模型的图像分割算法，获取图像中与每个模型相匹配的部分，将图像分割为前景和背景；包括以下步骤：(41)通过收集大量互联网上的图片，形成图片数据库，通过训练图片数据库中的所有图片形成不同的识别模型，供用户选择，用户根据所选择的图像，选择合适的识别模型；(42)使用不同的识别模型分别对图像进行检测，识别出图像中各类模型的前景区域，并使用检测窗口标记每个区域的所在位置；(43)对每一检测窗口所标记的图像区域，计算该区域的图像特征；(44)收集所有区域的图像特征，与训练特征进行逐个匹配，这里的训练特征是之前存储在系统中的，通过对训练图像进行检测并通过特征提取获取收集的，特征经匹配后的结果进行加权相加，获得前景预测掩码，使用1或0标记前景与背景区域；(45)根据前景的预测掩码，建立图像的前景和背景的高斯混合模型，并根据建立的模型估计图像的前景，若所估计的结果收敛到某块区域，则此区域为最终的图像分割结果；5)将分割后的前景和背景数据传送至输出单元。