一種圖像區(qū)域檢測方法及裝置的制造方法
【專利摘要】本申請?zhí)峁┮环N圖像區(qū)域檢測方法和裝置。所述方法可以包括：計算得出待處理圖像像素點的顏色特征和梯度特征，構(gòu)建所述待處理圖像的混合特征向量；對所述混合特征向量進行聚類，獲取聚類后的聚簇；根據(jù)預定規(guī)則計算所述聚簇的聚簇概率，并基于所述聚簇概率計算所述聚簇中像素點的像素概率；基于所述像素概率對所述待處理圖像進行檢測，獲取目標區(qū)域。利用本申請中各個實施例，可以有效應(yīng)對實際圖像場景中各種復雜的情況，實現(xiàn)對商品圖像中主體區(qū)域進行準確、有效的分離，提高提取精確度。
【專利說明】-種圖像區(qū)域檢測方法及裝置
[0001] 巧術(shù)鄰域
[0002] 本申請屬于計算機信息處理鄰域，尤其設(shè)及一種圖像區(qū)域檢測方法及裝置。
【背景技術(shù)】
[0003] 隨著互聯(lián)網(wǎng)消費時代的發(fā)展，例如一淘、淘寶W及天貓商城等提供在線商品捜索 和在線購物的網(wǎng)站在商品信息展示時通常會提供大量有關(guān)商品的圖像，W便于消費者進行 直觀的選擇。商品圖像作為在線捜索和購物的網(wǎng)站中承載較多，是非常重要信息，對于商品 成交有著極大的影響。
[0004] 在網(wǎng)上商品信息展示中，通常商品圖像可W較好的體現(xiàn)商品的直觀特性，商品中 的主體區(qū)域（或者稱為前景區(qū)域，比如風衣、休閑褲、皮鞋、手機、沙發(fā)凳）通常為商品圖像 中信息量最大、最主要的部分。例如，在商品展示、投放廣告時，通常需要考慮在一幅圖像當 中，商品主體是否居中、是否在圖像所展示的畫面中占據(jù)符合規(guī)定的比例、主體區(qū)域相對于 背景是否突出等。而實際的應(yīng)用中絕大部分商品圖像由賣家商戶自行拍攝上傳在網(wǎng)站展示 窗口，賣家商戶往往不具備專業(yè)的拍攝和圖像編輯能力，不能很好的突出展示商品特征。因 此一些應(yīng)用場景中商務(wù)平臺服務(wù)方通常需要對賣家商戶提供的圖像進行分析，獲取商品主 體，調(diào)整商品的展示角度、背景搭配、擺放位置、主體商品大小等，使其具有最佳展示效果的 圖像，W便于消費者能夠更準確獲取其感興趣的商品，或者被商戶的商品吸引。因此，商務(wù) 平臺服務(wù)方或者終端應(yīng)用的用戶通常需要精準且高效的從商品圖像中將商品主體區(qū)域和 背景區(qū)域分離出來。 陽〇化]目前常用的商品主體區(qū)域與背景區(qū)域分離技術(shù)主要包括采用學術(shù)界中基于顏色 量化特征的圖像顯著性區(qū)域檢測技術(shù)。運類技術(shù)通常由于僅僅依賴于顏色特征進行處理， 僅能對簡單的商品圖像進行處理。而淘寶、天貓等平臺型電商網(wǎng)站中的商品圖像可W由賣 家上傳，圖像的質(zhì)量參差不齊，復雜度也非常高。例如在主體和背景顏色相似的情況下，在 使用顏色建模的時候很容易將兩者混在一起，難W區(qū)分，無法有效提取主體區(qū)域。同樣，在 背景復雜度較高即非主體區(qū)域的顏色分布復雜時，使用基于顏色特征的方法往往會將背景 和前景建模為過多的區(qū)塊，導致也無法精確的分離前景和背景。
[0006] 目前現(xiàn)有技術(shù)中商品圖像主體識別技術(shù)在面臨主體和背景區(qū)域顏色相近或者背 景區(qū)域復雜度高等復雜圖像時不能精確、有效的進行主體區(qū)域的檢測、分離?，F(xiàn)有技術(shù)中尤 其是復雜圖像區(qū)域檢測時亟需一種更加高效、精確的檢測方法。

【發(fā)明內(nèi)容】

[0007] 本申請目的在于提供一種圖像區(qū)域檢測方法及裝置，能有效應(yīng)對實際圖像場景中 各種復雜的情況，實現(xiàn)對復雜圖像中主體區(qū)域進行準確、有效的分離，提高提取精確度。
[0008] 本申請?zhí)峁┑囊环N圖像區(qū)域檢測方法和裝置是運樣實現(xiàn)的：
[0009] 一種圖像區(qū)域檢測方法，所述方法包括：
[0010] 計算得出待處理圖像像素點的顏色特征和梯度特征，構(gòu)建所述待處理圖像的混合 特征向量；
[0011] 對所述混合特征向量進行聚類，獲取聚類后的聚簇；
[0012] 根據(jù)預定規(guī)則計算所述聚簇的聚簇概率，并基于所述聚簇概率計算所述聚簇中像 素點的像素概率；
[0013] 基于所述像素概率對所述待處理圖像進行檢測，獲取目標區(qū)域。
[0014] 一種圖像區(qū)域檢測裝置，所述裝置包括：
[0015] 特征計算模塊，用于計算得出待處理圖像像素點的顏色特征和梯度特征，并構(gòu)建 所述待處理圖像的混合特征向量；
[0016] 聚類模塊，用于對所述混合特征向量進行聚類，獲取聚類后的聚簇；
[0017] 聚簇概率模塊，用于根據(jù)預定規(guī)則計算所述聚簇的聚簇概率；
[0018] 像素概率模塊，用于基于所述聚簇概率計算所述聚簇中像素點的像素概率；
[0019] 檢測模塊，用于基于所述像素概率對所述待處理圖像進行檢測，獲取目標區(qū)域。
[0020] 一種圖像區(qū)域檢測裝置，所述裝置被設(shè)置成，包括：
[0021] 第一處理單元，用于獲取用戶/客戶端的待處理圖像，計算得出待處理圖像像素 點的顏色特征和梯度特征，構(gòu)建所述待處理圖像的混合特征向量；
[0022] 第二處理單元，用于對所述混合特征向量進行聚類，獲取聚類后的聚簇；還用于根 據(jù)預定規(guī)則計算所述聚簇的聚簇概率，并基于所述聚簇概率計算所述聚簇中像素點的像素 概率；
[0023] 輸出單元，用于基于所述像素概率對所述待處理圖像進行獲取目標區(qū)域，并將所 述獲取的目標區(qū)域存儲或者展示于指定位置。
[0024] 本申請?zhí)峁┑囊环N圖像區(qū)域檢測方法及裝置，采用為圖像中的每個像素點構(gòu)建其 特有的混合特征向量。所述混合特征向量中除了可W包括像素點的顏色特征外還包括梯度 特征，在計算像素點時同時考慮了像素點周圍的信息，可W更加準確的建立像素點的特征 值，使得混合特征空間時前景和背景區(qū)域相近的兩個點的混合特征向量的距離比僅僅使用 顏色特征的距離大大增加，可W有效的區(qū)分前景和背景相近的區(qū)域，提高目前區(qū)域檢測的 精準度。同樣的，在復雜背景圖像中，本申請所述的混合特征向量可W很好的結(jié)合顏色特征 和梯度特征將前景的像素點和背景的像素點描述到兩個不同的聚簇中，在歐式距離計算時 可W很容易將兩者分離。本申請中對混合特征進行聚類，計算聚類后聚簇屬于主體區(qū)域的 聚簇概率，基于所述聚簇概率計算聚簇中每個像素屬于主體區(qū)域的像素概率，W本申請所 述的計算出來的顯著度作為屬于主體區(qū)域的概率，可W有效、精確的檢測待處理圖像中的 主體區(qū)域。本申請W所述聚簇與其他聚簇距離和與總和的比值作為聚簇的顯著度，用于表 述聚簇屬于主體區(qū)域的概率，更加符合實際用戶感知圖像中商品主體的情況，使得處理結(jié) 果更加精確、有效。
【附圖說明】
[0025] 為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 申請中記載的一些實施例，對于本鄰域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提 下，還可W根據(jù)運些附圖獲得其他的附圖。
[0026] 圖1是本申請一種圖像區(qū)域檢測方法一種實施例的流程示意圖；
[0027] 圖2是本申請所述待處理圖像邊界點鄰域窗口提取的示意圖；
[002引圖3是利用本申請所述的一種圖像區(qū)域檢測方法進行主體區(qū)域提取的示意圖；
[0029] 圖4是利用本申請所述的一種圖像區(qū)域檢測方法進行主體區(qū)域提取的示意圖；
[0030] 圖5是本申請所述一種圖像區(qū)域檢測裝置的模塊結(jié)構(gòu)示意圖；
[0031] 圖6是本申請所述一種特征計算模塊一種實施例的模塊結(jié)構(gòu)示意圖；
[0032] 圖7是本申請所述一種顏色特征模塊一種實施例的模塊結(jié)構(gòu)示意圖；
[0033] 圖8是本申請所述一種像素概率計算模塊一種實施例的模塊結(jié)構(gòu)示意圖。
【具體實施方式】
[0034] 為了使本技術(shù)鄰域的人員更好地理解本申請中的技術(shù)方案，下面將結(jié)合本申請實 施例中的附圖，對本申請實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施 例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，本鄰域普通 技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應(yīng)當屬于本申請保護 的范圍。
[0035] 賣家商戶上傳的商品圖像中可W包括一個或者多個主體，例如為了節(jié)約商品展示 的窗口資源，賣家商戶可W將多個圖像合并在一張圖像中后上傳作為某商品的圖像。本申 請所述的一種圖像區(qū)域檢測方法可W適用于包括一個或者多個商品主體的圖像，在所述圖 像包括多個主體時，可W將待處理圖像劃分為多個子圖，每個子圖可W包括單個主體，然后 對每個所述子圖采用本申請所述的主體區(qū)域提取方法進行處理。具體的所述將包括多個主 體的待處理圖像進行劃分的方法可W采用專利號為CN102567952A，名稱為《一種圖像分割 方法及系統(tǒng)》中所述的圖像分割方法。經(jīng)過上述方法處理后，可W將包括多個主體的商品圖 像分割成多個包括單個主體的子圖。
[0036] 下面W包括單個主體的商品圖像或者W經(jīng)過上述圖像分割后的子圖為例對本申 請所述的圖像處理方法進行詳細的描述。圖1是本申請所述一種圖像區(qū)域檢測方法一個實 施例的方法流程圖，如圖1所述，所述方法可W包括：
[0037] S1 :計算得出待處理圖像像素點的顏色特征和梯度特征，構(gòu)建所述待處理圖像的 混合特征向量。
[0038] 如前所述，本實施例中所述的待處理圖像可W為包括一個主體的單獨一張商品圖 像，也可W為經(jīng)過圖像分割出來后的包括單個主體的一個子圖。在獲取所述待處理圖像后， 可W基于包括顏色和梯度的特征值構(gòu)建待處理圖像像素點的混合特征，形成混合特征向 量。在實際圖像信息處理時，通?？蒞使用局部特征的方式進行每個像素點的特征提取，例 如對于某個像素點P來說，可W選取一個鄰域窗口 W (P)，所述的鄰域窗口 W (P)可W為一個 W P點為中屯、的N*N的正方形區(qū)域。所述的N的取值可W根據(jù)圖像信息處理的精度或者速 度等要求進行合理選擇，例如可W根據(jù)圖像尺寸或包括像素點的多少取值為3、5、7、9等奇 數(shù)。本實施例中所述N可W取值為5,可W在每次計算像素點的混合特征中的顏色特征或者 梯度特征時取W P點為中屯、的5*5的正方形鄰域窗口區(qū)域。
[0039] 本實施例中所述構(gòu)建的待處理圖像的混合特征可W包括像素點的顏色特征和梯 度特征，可W對所述顏色特征和梯度特征等進行預定格式的組合，形成高維度的混合特征 向量。具體的實現(xiàn)過程中，所述計算得出待處理圖像像素點的顏色特征的處理過程可w包 括：
[0040] S101 :如果所述待處理圖像不為L油格式的數(shù)據(jù)，將所述待處理圖像的數(shù)據(jù)格式 轉(zhuǎn)化為Lab格式； 陽0川 S102 待處理像素為中屯、提取所述待處理圖像中鄰域窗口 W(p)的像素點，將所 述鄰域窗口 W(p)中像素點的L、a、b Ξ個通道分別分為K個分組，形成3體維的顏色特征向 量；
[00創(chuàng) S103 :將所述鄰域窗口 W(p)中每個像素點在所述L、a、b Ξ個通道的顏色值累加 到所述顏色特征向量所對應(yīng)的維中，形成所述鄰域窗口中待處理像素點的顏色特征。
[0043] 在待處理圖像顏色特征提取時通常可W包括將^ a、b Ξ個通道分別均勻的量化 為K個分組，盡可能的保證每個通道的每個分組的長度相等。
[0044] 通常所述待處理圖像可W為RGB通道顏色模型的圖像信息，所述L油通道的顏色 模型通常指基于人對顏色的感覺建立的并且與光線及設(shè)備無關(guān)的顏色模型，更加符合人的 視覺感知。因而本實施例中采用從Lab空間檢測出的圖像中的主體區(qū)域，更加符合人的感 知結(jié)果，使得主體區(qū)域提取的處理結(jié)果更加準確。
[0045] 本實施例中可W將所述待處理圖像從RGB通道轉(zhuǎn)化為L油通道。通常所述的RGB 通道包括Ξ個變量的Ξ維顏色向量巧，G，B)，如下所示： W46] R :紅色，0~255的整數(shù)，變化值為256 ; W47] G :綠色，0~255的整數(shù)，變化值為256 ; W4引 B :藍色，0~255的整數(shù)，變化值為256。 W例所述的L油通道可W包括如下所示的；個變量：
[0050] L :亮度，0~100的整數(shù)，變化值100 ; W51] A :從綠色至紅色，-128~127的整數(shù)，變化值256 ;
[0052] B :從藍色至黃色，-128~127的整數(shù)，變化值256。
[0053] 在所述將待處理圖像從RGB通道轉(zhuǎn)化為L油通道時，可W采用給定的算法進行轉(zhuǎn) 化，也可W采用例如化Otoshop等軟件工具進行轉(zhuǎn)化，在此不做詳細論述。然后可W W預先 設(shè)置的鄰域窗口 w(p)提取所述L油通道的待處理圖像中的像素點，將所述鄰域窗口 W(p) 中像素點的^ a、b Ξ個通道分別均勻的量化為K個bin (分組）。進一步的可^將^ a、b Ξ個通道量化后的像素點的值拼接在一起可W形成一個3*Κ維的顏色特征向量，例如所述 形成的3體維的顏色特征向量可W表示為{L1，L2,…化曰1，曰2,…aK，bl，b2,…b時。本實 施例中所述的K的取值可W自定義設(shè)置，用來表示對待處理圖像顏色空間的一個描述。本 申請中如果所述K的取值偏大，那么所述待處理圖像在顏色空間會被劃分得較細，顏色特 征表述的更為準確，相應(yīng)的計算時間增加；相反若K值取值較小，那么對所述待處理圖像在 顏色空間的整體劃分度較低，顏色特征向量維數(shù)較小，可W提高數(shù)據(jù)處理速度。經(jīng)過多次實 驗，本申請?zhí)峁┮环NK的取值范圍，具體的所述K的取值可W為：6《K《16,在上述取值范 圍內(nèi)可W保證顏色特征向量可W準確、有效、合適的表述待處理圖像的顏色特征。在本實施 例中所述K的取值可W取值為6,即可W構(gòu)建所述鄰域窗口中待處理像素點的18維的混合 特征向量。最后可W根據(jù)所述鄰域窗口 W(p)中每個像素點在^曰、6^個通道的顏色值，將 其累加到該顏色特征向量相對應(yīng)的維中。例如在時5 -共25個像素點的鄰域窗口中，所述 25個像素點的L油顏色值共同構(gòu)建一個18維的顏色特征向量。具體的，所述25個像素點 中每個像素點都會有一組L油顏色值，W L通道為例，假設(shè)第一像素點的L通道的值為10， 可朗尋其映射到所述L通道總共劃分的6個bin (分組）中相對應(yīng)的一個分組中，例如劃分 到L1中。第二像素點的L通道值為98,則可W將其劃分到L6中。依次類推，將所述鄰域窗 口 W(p)中的25個像素點全部遍歷一遍，將相應(yīng)bin (分組）中的顏色值累加可W得到一個 所述鄰域窗口 W(p)中待處理像素點總的L曰、b顏色特征的分布向量。
[0054] 計算完成當前鄰域窗口中待處理像素點的顏色特征向量后，可W按照一定方向一 次移位一個像素點，然后按照上述方式再次提取鄰域窗口的像素點，計算新的鄰域窗口中 待處理像素點的顏色特征向量。依次計算得出所述待處理圖像中所有像素點的顏色特征向 量，獲取所述待處理圖像像素點的顏色特征。
[0055] 需要說明的是，本申請中所述的鄰域窗口中的待處理像素點通常為所述設(shè)置的正 方形鄰域窗口的中屯、點。對于所述待處理圖像中的非邊界點像素點，可W-次提取一個正 方形的鄰域窗口。對于邊界點或者靠近邊界點不能滿足正方形鄰域窗口提取的像素點，貝U 仍然按照所述鄰域窗口預先設(shè)置的提取規(guī)格，即可所述邊界點像素點或者靠近邊界的 像素點為中屯、、W所述鄰域窗口實際在所述待處理圖像中覆蓋的像素點進行計算。圖2是 本申請所述待處理圖像邊界點鄰域窗口提取的示意圖。如圖2中所示，例如設(shè)置的鄰域窗 口提取規(guī)則為5*5的正方形區(qū)域，對于某邊界點的非角點來說，W所述邊界點的像素點P1 為鄰域窗口中屯、提取到的像素點規(guī)格為5*3,相應(yīng)的，對于所述待處理圖像的角點P2,則提 取到的像素點的規(guī)格為3*3。
[0056] 本申請中所述的混合特征可W包括待處理圖像的梯度特征。本實施例中可W采用 化G特征進行梯度特征提取，形成待處理圖像中每個像素點Μ維的梯度特征。通常所述的 梯度的含義可W包括圖像中每個像素點與鄰近像素點的差異，在構(gòu)建為梯度特征后可W用 于檢測顏色不明顯的區(qū)域。本實施例中可W將待處理圖像從RGB顏色通道轉(zhuǎn)化為灰度圖， 運樣簡化梯度特征的復雜性。具體的在實現(xiàn)方式上可W采用化G特征進行梯度特征提取， 獲取預先設(shè)置的鄰域窗口 W(p)中像素點的梯度方向和梯度值，然后可W將所述鄰域窗口 W(P)中包括所有像素點梯度方向的總梯度方向值分割為Μ個bin (分組），例如將180度的 總梯度方向分割為12個bin (分組），那么每個bin代表的是一個15度的范圍。最后可W根 據(jù)所述鄰域窗口 W(P)中每個像素點的梯度值，使用線性插值的方法累加到對應(yīng)的bin (分 組）中，形成鄰域窗口中待處理像素點的一個Μ維的梯度特征向量，例如本實施例中的12 維的梯度特征向量，可W表示為{gl，g2，"，gl2}。例如若待處理像素點的鄰域窗口 W(p)中 某一點的梯度方向為44度，梯度值為10，那么該梯度方向為44度所屬的bin (分組）為g3， 與前述顏色特征計算方式類似，可W將44度的梯度值10累加值所屬的分組的中。遍歷所 述鄰域窗口所有像素點的梯度方向和梯度值，計算得到所述鄰域窗口待處理像素點的梯度 特征。同樣計算一個鄰域窗口后可W移位一個像素點，繼續(xù)計算下一個待處理像素點的梯 度特征。依次計算完成所述待處理圖像所有像素點的梯度特征，具體的可W參照上述顏色 特征的計算方式，在此不做寶述。
[0057] 在計算得出所述待處理圖像像素點的顏色特征和梯度特征后，可W構(gòu)建所述待處 理圖像的混合特征向量。具體的所述構(gòu)建待處理圖像的混合特征向量可W包括將所述待處 理圖像每個像素點的K維顏色特征和Μ維梯度特征進行拼接組合，形成對于像素點的化+M) 維的混合特征向量。例如本實施例中可W將18維的顏色特征與12維的梯度特征的值按序 拼接組合，前面18維數(shù)據(jù)為顏色特征，后面12維數(shù)據(jù)為梯度特征，可W表示為化1，1^2，··· L6, al,曰2, ???aG, bl, b2, ???be, gl, g2,…gl2}。當然，如果所述待處理圖像的大小為[W,田， 其中W為所述待處理圖像的寬度，Η為所述待處理圖像的高度，單位均為像素點，那么通過 上述方法可W構(gòu)建所述待處理圖像W地個化+Μ)維的混合特征向量。
[0058] 在本申請中計算像素點的顏色特征和梯度特征時考慮計算到了每個待處理像素 點周圍像素點的信息，可W更加準確的建立像素點的特征值，使得混合特征空間時前景和 背景區(qū)域相近的兩個點的混合特征向量的距離比僅僅使用顏色特征的距離大大增加，可W 有效的區(qū)分前景和背景相近的區(qū)域，提高主體區(qū)域檢測的精準度。
[0059] S2 :對所述混合特征向量進行聚類，獲取聚類后的聚簇。
[0060] 前述中所述待處理圖像尺寸為[W，田的商品圖像會產(chǎn)生W地個化+Μ)維的混合特 征向量。本申請中為了提高計算效率，可W對運些特征向量進行聚類。本實施例中所采用 的聚類算法采可W為Kmeans聚類算法。所述的Kmeans聚類算法具體的操作過程主要可W 包括：
[0061] S201 :從所述W地個化+M)維的混合特征向量中隨機選取L個混合特征向量作為 初始聚類中屯、。在具體的實施例中，所述L的取值范圍可W經(jīng)過試驗選取合適的值，通常所 述L取值太大會導致計算時間較長，L太小則無法將特征空間劃分得比較精細。
[0062] S202 :遍歷所有W*K個混合特征向量，分別計算每一個混合特征向量與當前聚類 中屯、之間的距離。本實施例中所述的距離采用的為歐式距離，例如兩個混合特征向量分別 為P和q，其中q為隨機選取的當前聚類中屯、，那么所述混合特征向量與所述當前聚類中屯、 q之間的歐式距離D(p，q)可W為：
[0063] D(p, q) = I I (Pi-qi)2+(p2_q2)2......+ (P(K+M)-q(w〇) 21 W64] S203 :對于每個混合特征向量，計算其與所述選取的L個初始聚類中屯、的距離，所 述混合特征向量屬于與所述L個初始聚類中屯、距離最小的聚簇。經(jīng)過一輪計算分類后可W 將混合特征向量合理的劃分到距離最近的所述L個初始聚類中屯、的聚簇中。 W65] S204 :更新每個聚簇的聚類中屯、。將待處理圖像中每個像素點劃分到對應(yīng)的聚簇 后，可W更新每個聚簇的聚類中屯、。本實施例中具體的更新計算方法可W包括計算所述每 個聚簇中所有混合特征向量在每一維上的平均值，然后將所述計算得到的每一維的平均值 作為該聚簇新的聚類中屯、。
[0066] 上述所述的S201~S204為一次聚類的過程，本申請中可W反復聚類計算上述為 每個像素點劃分聚簇和更新聚簇中屯、的步驟，直到所述聚簇的聚類中屯、不再進行較大幅度 的移動（該移動的幅度闊值可W根據(jù)需求進行設(shè)置）或者所述聚類計算的次數(shù)達到預置 計算要求為止。具體例如在本實施例中，可W設(shè)置所述混合特征向量聚類次數(shù)為1000次， 或者，新的聚簇的聚類中屯、與該聚簇上一次的聚類中屯、之間的歐式距離小于0. 5,如表示為 上一次的聚類中屯、為〇ld_C，新的聚類中屯、為化w_C，那么聚類計算的停止條件可W設(shè)置為 D(01d_C, New_C)<0. 5〇
[0067] 本實施例中將混合特征向量進行聚類，形成L個聚簇，可W將所述待處理圖像中 的大量像素點的混合特征計算量縮小至L個聚簇的計算，可W提高后續(xù)圖像區(qū)域檢測的進 一步計算速率，提高整體圖像信息處理效率。
[0068] S3 :根據(jù)預定規(guī)則計算所述聚簇的聚簇概率，并基于所述聚簇概率計算所述聚簇 中像素點的像素概率。
[0069] 經(jīng)過上述步驟處理后，所述待處理圖像在本申請所述的化+M)維的混合特征向量 空間中聚類成了 L個聚簇，其中所述L個聚簇中每個聚簇內(nèi)的像素點在所述特征空間上是 相近的。本申請中可每個所述聚簇為單元計算每個聚簇屬于主體區(qū)域的聚簇概率，然 后進一步的基于所述聚簇的聚簇概率計算所述聚簇中所有像素點屬于所述主體區(qū)域的像 素概率。本實施例中可W采用每個聚簇在整個所述待處理圖像中的顯著度來描述所述每個 聚簇屬于主體區(qū)域的概率。具體的所述根據(jù)預定規(guī)則計算所述聚簇的聚簇概率可W包括：
[0070] 計算所述L個聚簇中每個聚簇Ci與其他聚簇的距離和D(Ci)，W所述聚簇和 D(Ci)與所有聚簇的所述距離和的總和的比值作為所述聚簇Ci的聚簇概率。
[0071] 本實施例中假設(shè)經(jīng)過聚類后得到的所述L個聚簇的聚簇中屯、分別為C1、C2、…、 化，本實施例聚簇的顯著度可W采用由與其他所有聚簇的距離之和與總和的比值表示。那 么對于任意聚簇Ci來說，1《i《以本實施例提供一種計算所述聚簇中每個聚簇與其他聚 簇的距離和的方法，具體的該聚簇的Ci與其他聚簇的距離和D(Ci)可W采用下式公式（1) 計算得出：
[0072]
[0073] 上式中，L為聚簇的個數(shù)，如本實施例中設(shè)置的120, I |ci，C，II為當前聚簇Ci的 聚簇中屯、的混合特征向量與其他聚簇的聚簇中屯、混合特征向量的歐氏距離。一般的，所述 兩個聚簇之間混合特征向量差距越大，兩個聚簇中屯、之間的歐氏距離越大。若某個聚簇與 其他聚簇的歐式距離整體上都較大，可W表示該聚簇與其他聚簇的區(qū)別顯著性越高，則越 有可能接近待處理圖像的主體區(qū)域，相應(yīng)的計算得到的與其他聚簇的距離之和D(Ci)值也 越大。在本實施中計算所述距離和的方法中加入了因子Wj，所述Wj可W為根據(jù)當前聚簇 Ci所包括的像素點設(shè)置的權(quán)重。本實施例中一般的，所述聚簇中包括的像素點的個數(shù)越多， 那么其對應(yīng)顯著度值的貢獻也越大。因此，所述Wj可W根據(jù)聚簇中所包括的像素點進行設(shè) 置。例如可W設(shè)置為聚簇所包括的像素點個數(shù)，或者當前聚簇所包括的像素點個數(shù)與所述 待處理圖像總像素點個數(shù)的比值等，具體的可W根據(jù)需求進行設(shè)置。運樣，在計算所述聚簇 的距離和時加入所述聚簇的權(quán)重Wj，將所述聚簇中所包括的像素點個數(shù)計算在內(nèi)，在一些 應(yīng)用場景中更加符合實際圖像主體區(qū)域的特性，在該類應(yīng)用場景中可W使提取主圖區(qū)域的 計算結(jié)果更加準確。
[0074] 在得到每個聚簇在所述待處理圖像中的顯著度后，可W進一步根據(jù)所述顯著度計 算每個聚簇屬于所述主體區(qū)域的聚簇概率。本實施例中可所述聚簇和D(Ci)與所有聚 簇的所述距離和的總和的比值作為所述聚簇Ci屬于所述主體區(qū)域的聚簇概率，具體的可 W采用下式（2)計算得出： 陽0巧]
[0076] 上述中Σ 為計算得出的所有聚簇的聚簇和的總和，可w采用當前聚簇 的距離和與所述總和的比值作為所述當前聚簇屬于所述主體區(qū)域的聚簇概率。由于聚類后 的聚簇中混合特征向量值較為接近，在本申請的一種實施例中可W認為該聚簇中像素點屬 于主體區(qū)域的像素概率等價于該聚簇屬于主體區(qū)域的聚簇概率，運樣可W根據(jù)所述聚簇的 概率得到每個像素點的一個概率值。因此，本申請的一種實施例中，所述基于所述聚簇概率 計算所述聚簇中像素點的像素概率可W包括：
[0077] S301 :所述聚簇中像素點的像素概率可W為該像素點所屬聚簇的聚簇概率。
[0078] 在本申請其他實施例中，聚簇中的像素點可能分布于所述待處理圖像的分散的其 他區(qū)域中，本申請為使提取的主體區(qū)域具有的緊湊特性，提取的主體區(qū)域更加準確，可W再 次計算每個聚簇中每個像素點屬于主體區(qū)域的像素概率。在此，本申請可W設(shè)置第二鄰域 窗口 W(p)'，可W參照上述計算顏色特征的方式W像素點P為中屯、提取所述第二鄰域窗口 W(p)'的像素點，所述第二鄰域窗口 W(p)'中的某個像素點q的概率為該像素點q所屬聚簇 的聚簇概率，在此W P (q)表示，則另一種實施例中所述基于所述聚簇的概率計算所述聚簇 中像素點屬于所述主體區(qū)域的概率可W包括：
[0079] S302 待求像素點P為中屯、提取第一鄰域窗口 W(p)'的像素點，采用下式計算所 述待求像素點P屬于所述主體區(qū)域的像素概率Sal (P):
[0080]
[0081] 上式中，P(q)為所述第一鄰域窗W(p)'內(nèi)的像素點q所屬的聚簇屬于主體區(qū)域的 聚簇概率，t為待求像素點P所屬的聚簇中像素點的個數(shù)，σ為設(shè)置的一個平滑參數(shù)，可W 表示當前計算的像素點Ρ的結(jié)果受到周圍像素點影響的大小。若σ取值較大，可W表示像 素點Ρ的計算結(jié)果容易受周圍像素點的影響，反之不容易受到周圍像素點的影響。該σ值 可W根據(jù)經(jīng)驗或者結(jié)果的預估進行合理設(shè)置，一般來說，對于網(wǎng)站產(chǎn)品銷售的圖像來說，σ 可W取值偏小，例如本實施例中具體的可W取值為0.17。若在自然場景下的圖像（通常為 非商品圖像），所述σ的取值可W偏大，例如可W取值為0.25。
[0082] 上述中所述的第一鄰域窗口 W(p)'的設(shè)置可W與前述顏色特征提取時設(shè)置的鄰域 窗口相同，例如可W設(shè)置為時5的正方形鄰域窗口。運樣，在計算所述待處理圖像中像素點 的像素概率時可待求像素點為中屯、所述第一鄰域窗口 W(p)'如5*5的像素點進行計 算，遍歷所述第一鄰域窗口 W(p)'中所有像素點的概率可W計算得到該待求像素點P屬于 所述主體區(qū)域的像素概率。
[0083] 通過上述S302所述的像素點屬于主體區(qū)域概率計算方法，可W計算得到所述待 處理圖像中每個像素點屬于主體區(qū)域的像素概率，并且該概率值采用了所述第一鄰域窗口 W(p)'中像素點的概率值進行平滑計算得出，可W提高最終的提取結(jié)果的準確性。
[0084] S4 :基于所述像素概率對所述待處理圖像進行檢測，獲取目標區(qū)域。
[00化]在計算完成所述待處理圖像每個像素屬于所述主體區(qū)域的像素概率后，可W進行 主體區(qū)域與背景區(qū)域的分離，提取獲取所述待處理圖像中的目標區(qū)域。本申請中所述的目 標區(qū)域可W為所述待處理圖像中的主體區(qū)域（前景區(qū)域），在其他的實施例中，所述目標區(qū) 域也可w為背景區(qū)域，即可w檢測獲取待處理圖像的背景區(qū)域、本申請一種實施方式中，所 述基于所述像素概率對所述待處理圖像進行檢測獲取目標區(qū)域具體的可W包括：
[0086] S401 :將所述待處理圖像中像素點的像素概率值符合判斷闊值PV要求的像素點 作為所述待處理圖像的目標區(qū)域。
[0087] 具體的例如在檢測主體區(qū)域的實施過程中，例如可W預先設(shè)置像素點概率的判定 闊值PV如0. 85,然后可W將所述待處理圖像中所述像素點的像素概率的值大于0. 85的像 素點提取出來，作為所述待處理圖像的主體區(qū)域。本申請所述預定判斷闊值取值過小會導 致提取較多的非主體區(qū)域的像素點，取值過大則會降低提取到的主體區(qū)域圖像的完整性， 本實施例提供一種所述判斷闊值的取值范圍，具體的所述預定判斷闊值PV的取值范圍可 W為：0. 8《PV《0. 95。上述S401中所述像素點的像素概率優(yōu)選的方式為采用所述第一 鄰域窗口 W(p)'中像素點的概率值進行平滑計算得出的概率值。
[0088] 當然，在檢測背景區(qū)域的實施例中，可m受置滿足判斷為背景區(qū)域的判斷闊值PV 的值，具體的可W根據(jù)實際場景應(yīng)用進行確定。
[0089] 本申請還提供另一種優(yōu)選的實施例，在所述另一種實施例中，所述基于所述像素 點的像素概率對所述待處理圖像進行檢測獲取目標具體的可W包括：
[0090] S4021 :將所述待處理圖像中像素點屬于主體區(qū)域的概率值大于第一闊值PF的像 素點作為種子像素點； 陽091] S4022 所述種子像素點為中屯、計算與周圍第二鄰域窗口中像素點的歐式距 離；
[0092] S4023 :將所述歐式距離小于第二闊值的像素點作為新的種子像素點；
[0093] S2044:遍歷所有所述種子像素點與周圍所述第二鄰域窗口中像素點的歐式距離 并做出判斷，將所述計算得出的種子像素點作為所述待處理圖像的目標區(qū)域。
[0094] 本實施例中，所述像素點屬于主體區(qū)域的像素概率優(yōu)選的可W為所述像素點所屬 聚簇的聚簇概率。另外，所述的第一闊值PF和第二闊值W及所述第Ξ鄰域窗口可W根據(jù)實 際數(shù)據(jù)處理需求進行設(shè)置，例如所述第一閥PF值同樣可W設(shè)置為0. 85或者選取為聚簇概 率中值較高的值，所述第二闊值可W設(shè)置為0. 5。如上述預定判斷闊值，本申請所述第一闊 值PF取值過小會導致提取較多的非主體區(qū)域的像素點，取值過大則會降低提取到的主體 區(qū)域圖像的完整性，本實施例提供一種所述第一闊值PF的取值范圍，具體的所述第一闊值 PF的取值范圍可W為：0. 8《PF《0. 95。本實施例中所述的第Ξ鄰域窗口一般的為W種 子像素點為中屯、的3*3的八鄰近窗口，然后可W根據(jù)本申請所述的例如30維的特征混合特 征向量進行歐式距離計算。如果所述距離滿足第二闊值要求，可W將所述種子周圍滿足第 二闊值要求的像素點作為新的種子像素點，可W認為符合所述第二闊值要求的新的種子像 素點同樣屬于主體區(qū)域。當然，在處理過程中，可W設(shè)置將不滿足所述第Ξ鄰域窗口的像素 點作為背景區(qū)域。需要說明的，本申請中所述的主體區(qū)域通常是連通的，在其他的應(yīng)用場景 中，可W將沒有經(jīng)過第二闊值判斷過的像素點設(shè)置為背景區(qū)域。本實施例中可W根據(jù)概率 值較大的像素點作為種子像素點，然后不斷的遍歷周圍的鄰近點并做出判斷，最終得到主 體區(qū)域。
[0095] 當然，本申請所述基于所述像素點的像素概率后，獲取目標區(qū)域的方式可W包括 但不限于本申請所述的實施例，其他的基于本申請所述的方法無需創(chuàng)造性勞動的其他處理 方法仍在本申請所述的申請范圍內(nèi)，例如利用測地線距離算法進行主體區(qū)域與背景區(qū)域分 離提取得到的主體區(qū)域。
[0096] 本申請?zhí)峁┑囊环N圖像區(qū)域檢測方法，構(gòu)建了包括像素點顏色特征和梯度特征的 混合特征向量，可W更加準確的建立像素點的特征值，可W有效的區(qū)分前景和背景相近的 區(qū)域，提高主體區(qū)域提取的精準度。同樣的，在復雜背景圖像中，本申請所述的混合特征向 量可W很好的結(jié)合顏色特征和梯度特征將前景的像素點和背景的像素點描述到兩個不同 的聚簇中，在歐式距離計算時可W很容易將兩者分離。本申請中對混合特征進行聚類，獲得 聚簇后W所述聚簇與其他聚簇距離和與總和的比值作為聚簇的顯著度，用于表述聚簇屬于 主體區(qū)域的概率，更加符合實際用戶感知圖像中商品主體的情況，使得處理結(jié)果更加精確、 有效。在實際的應(yīng)用中，利用本申請所述主體區(qū)域提取方法提取待處理圖像主體區(qū)域的準 確率達到了 89. 62%，召回率達到了 88. 83%，解決了現(xiàn)有技術(shù)中面臨復雜度高的圖像時主 體區(qū)域提取準確率低的問題。
[0097] 圖3、圖4分別是利用本申請所述的一種圖像區(qū)域檢測方法進行主體區(qū)域提取的 示意圖，圖3、圖4從左到右分別是待處理圖像、現(xiàn)有算法提取結(jié)果和本發(fā)明提取結(jié)果。如 圖3所示，選取的是一張前景和背景區(qū)域顏色非常相近的圖像，從圖3中可W看到現(xiàn)有算法 在處理運樣的圖像時無法對該服裝中間高亮的部分進行檢測，因為此處的顏色非?？拷?景的白色。而本申請的化+M)維的混合特征向量可W有效的區(qū)分出來相似的前景和背景區(qū) 域。圖4選取的是背景復雜的情況，從圖4中可W看到現(xiàn)有算法在面對復雜性較高的圖像 上難W精確提取主體，本申請所述方法采用聚類獲取聚簇計算像素點屬于主體區(qū)域的像素 概率，可W有效解決背景上不僅在顏色同時結(jié)構(gòu)上復雜度很高的圖像主體提取問題，大大 提高檢測精度。
[009引基于本申請所述的一種圖像區(qū)域檢測方法，本申請還提供一種圖像區(qū)域檢測裝 置。圖5是本申請所述一種圖像區(qū)域檢測裝置的模塊結(jié)構(gòu)示意圖，如圖5所示，所述裝置可 W包括：
[0099] 特征計算模塊101，可W用于計算得出待處理圖像像素點的顏色特征和梯度特征， 并構(gòu)建所述待處理圖像的混合特征向量；
[0100] 聚類模塊102,可W用于對所述混合特征向量進行聚類，獲取聚類后的聚簇； 陽101] 聚簇概率模塊103,可W用于根據(jù)預定規(guī)則計算所述聚簇的聚簇概率； 陽102] 像素概率模塊104,可W用于基于所述聚簇的概率計算所述聚簇中像素點的像素 概率； 陽103] 檢測模塊105,可W用于基于所述像素概率對所述待處理圖像進行檢測，獲取目標 區(qū)域。
[0104] 在具體的實施過程中，所述的特征計算模塊101可W分成多個子模塊分別進行相 應(yīng)過程的處理。圖6是本申請所述一種特征計算模塊101 -種實施例的模塊結(jié)構(gòu)示意圖， 如圖6所示，所述特征計算模塊101可W被設(shè)置成包括：
[01化]顏色特征模塊1011，可W用于計算所述待處理圖像像素點的顏色特征； 陽106] 梯度特征模塊1012,可W用于計算所述待處理圖像像素點的梯度特征； 陽107] 混合特征模塊1013,可W用于將所述顏色特征和梯度特征結(jié)合，形成待處理圖像 的混合特征向量。
[0108] 圖7是本申請所述一種特征計算模塊1011 -種實施例的模塊結(jié)構(gòu)示意圖，如圖7 所示，所述顏色特征模塊1011可W包括：
[0109] L油轉(zhuǎn)化模塊111，可W用于將所述待處理圖像轉(zhuǎn)化為L油格式的數(shù)據(jù)；
[0110] 顏色特征向量模塊112,可W用于W待處理像素為中屯、提取所述待處理圖像中鄰 域窗口的像素點，將所述鄰域窗口中像素點的L、a、b Ξ個通道分別分為K個分組，形成3體 維的顏色特征向量； 陽111] 特征計算模塊113,可W用于將所述鄰域窗口中每個像素點在所述^曰、b Ξ個通 道的顏色值累加到所述顏色特征向量所對應(yīng)的維中，形成所述鄰域窗口中待處理像素點的 顏色特征。
[0112] 經(jīng)過上述模塊處理，可W得到待處理圖像的顏色特征。本申請為所述的裝置提供 一種K的取值范圍，具體的所述K的取值可W為：6《K《16,在上述取值范圍內(nèi)可W保證 本申請裝置提取的顏色特征向量準確、有效、合適的表述待處理圖像的顏色特征。
[0113] 上述所述裝置中聚簇概率模塊103計算所述聚簇屬于主體區(qū)域的概率，具體的可 W包括：
[0114] 距離和計算模塊，可W用于計算所述聚簇中每個聚簇與其他聚簇的距離和；
[0115] 聚簇概率計算模塊，可W用于根據(jù)所述聚簇和與所有聚簇的所述距離和的總和計 算所述聚簇的聚簇概率。
[0116] 本申請所述一種圖像區(qū)域檢測裝置的一種優(yōu)選實施例中，所述距離計算模塊計算 所述聚簇中每個聚簇與其他聚簇的距離和具體的可W包括：
[0117] 采用下式計算所述聚簇中每個聚簇與其他聚簇的距離和D(Ci): 陽11引
[0119] 上式中，L為聚簇的個數(shù)，II Ci，c, II為當前聚簇Ci的聚簇中屯、的混合特征向量與 其他聚簇的聚簇中屯、混合特征向量的歐氏距離，Wj為根據(jù)當前聚簇Ci所包括的像素點設(shè) 置的權(quán)重。
[0120] 圖8是本申請所述一種像素概率模塊104 -種實施例的模塊結(jié)構(gòu)示意圖，如圖8 所示，所述像素概率模塊104可W包括下述中的至少一種： 陽121] 第一概率模塊1041，可W用于將像素點所屬聚簇的聚簇概率作為該像素點的像素 概率；
[0122] 第二概率模塊1042,可W用于W待求像素點P為中屯、提取第一鄰域窗口 W(p)'的 像素點，采用下式計算所述待求像素點P的像素概率Sal (P): 陽 123]
[0124] 上式中，P(q)為所述第一鄰域窗W(p)'內(nèi)的像素點q所屬的聚簇屬于主體區(qū)域的 概率，t為待求像素點P所屬的聚簇中像素點的個數(shù)，σ為設(shè)置的一個平滑參數(shù)。
[0125] 所述提取模塊105可W采取預先設(shè)置的不同的提取方式提取待處理圖像的主體 區(qū)域。具體的可w包括下述中的至少一種模塊：
[01%] 第一提取模塊，可W用于將所述待處理圖像中像素點的像素概率值符合判斷闊值 PV要求的像素點作為所述待處理圖像的目標區(qū)域；
[0127] 第二提取模塊，可W用于將所述待處理圖像中像素點屬于主體區(qū)域的概率值大于 第一闊值的PF像素點作為種子像素點；還可W用于W所述種子像素點為中屯、計算與周圍 第二鄰域窗口中像素點的歐式距離；還可W用于將所述歐式距離小于第二闊值的像素點作 為新的種子像素點；還可W用于遍歷所有所述種子像素點與周圍所述第二鄰域窗口中像 素點的歐式距離并做出判斷，將所述計算得出的種子像素點作為所述待處理圖像的目標區(qū) 域。
[0128] 上述所述的一種圖像區(qū)域檢測裝置中，所述判斷闊值PV的取值范圍可W為： 0. 8《PV《0. 95 ; 陽129] 和/或， 陽130] 所述第一闊值PF的取值范圍可W為：0. 8《PF《0. 95。 陽131] 本實施例提供的判斷闊值PV或者第一闊值PF的取值范圍，可W有效保證主體區(qū) 域提取的正確、有效性，提高圖像尤其所述復雜性較高的圖像區(qū)域檢測的準確性。
[0132] 利用本申請所述的一種圖像區(qū)域檢測裝置，可W在平臺型電商網(wǎng)站中用于分離復 雜多變的商品圖像中的主體區(qū)域和背景區(qū)域，能有效應(yīng)對實際圖像場景中各種復雜的情 況，實現(xiàn)對復雜圖像中主體區(qū)域進行準確、有效的分離，提高圖像檢測精確度。 陽133] 本申請所述的一種圖像區(qū)域檢測裝置可W使用于多種終端設(shè)備中，例如用戶移動 客戶端的樞圖應(yīng)用，或者專口用于圖像主體或者背景區(qū)域提取的客戶端或者服務(wù)器。通常， 所述圖像檢測裝置在進行圖像檢測，獲取目標區(qū)域后，可W將所述獲取的目標區(qū)域的圖像 進行保存或者顯示給用戶進行進一步處理。本申請?zhí)峁┮环N圖像區(qū)域檢測裝置，可W適用 于處理用戶或者客戶端的圖像，進行圖像檢測，獲取目標區(qū)域。具體的，所述裝置可W被設(shè) 置成，包括：
[0134] 第一處理單元，可W用于獲取用戶/客戶端的待處理圖像，計算得出待處理圖像 像素點的顏色特征和梯度特征，構(gòu)建所述待處理圖像的混合特征向量；
[0135] 第二處理單元，可W用于對所述混合特征向量進行聚類，獲取聚類后的聚簇；還可 W用于根據(jù)預定規(guī)則計算所述聚簇的聚簇概率，并基于所述聚簇概率計算所述聚簇中像素 點的像素概率；
[0136] 輸出單元，可W用于基于所述像素概率對所述待處理圖像進行獲取目標區(qū)域，并 將所述獲取的目標區(qū)域存儲或者展示于指定位置。
[0137] 本實施例提供的圖像去檢測裝置，可W在客戶端或者服務(wù)器中有效、精確的提取 待處理圖片的目標區(qū)域，可W提高客戶端圖片處理用戶體驗或者客戶端/服務(wù)器圖像信息 處理的精確度。
[0138] 盡管本申請內(nèi)容中提到不同圖像格式轉(zhuǎn)換、聚類方法、給定公式的計算等之類的 描述，但是，本申請并不局限于必須是完全標準的格式轉(zhuǎn)換、聚類方法或者本申請?zhí)峁┑墓?定公式的情況。本申請中各個實施例所設(shè)及的上述描述僅是本申請中的一些實施例中的應(yīng) 用，在某些標準、方法的基礎(chǔ)上略加修改后的處理方法也可W實行上述本申請各實施例的 方案。當然，要符合本申請上述各實施例的中所述的處理方法步驟的其他無需創(chuàng)造性的變 形，仍然可w實現(xiàn)相同的申請，在此不再寶述。
[0139] 上述實施例闡明的單元或模塊，具體可W由計算機忍片或?qū)嶓w實現(xiàn)，或者由具有 某種功能的產(chǎn)品來實現(xiàn)。為了描述的方便，描述W上裝置時W功能分為各種模塊分別描述。 當然，在實施本申請時可W把各模塊的功能在同一個或多個軟件和/或硬件中實現(xiàn)，也可 W將實現(xiàn)同一功能的模塊由多個子模塊或子單元的組合實現(xiàn)。
[0140] 本鄰域技術(shù)人員也知道，除了 W純計算機可讀程序代碼方式實現(xiàn)控制器W外，完 全可W通過將方法步驟進行邏輯編程來使得控制器W邏輯口、開關(guān)、專用集成電路、可編程 邏輯控制器和嵌入微控制器等的形式來實現(xiàn)相同功能。因此運種控制器可W被認為是一種 硬件部件，而對其內(nèi)部包括的用于實現(xiàn)各種功能的裝置也可W視為硬件部件內(nèi)的結(jié)構(gòu)。或 者甚至，可W將用于實現(xiàn)各種功能的裝置視為既可W是實現(xiàn)方法的軟件模塊又可W是硬件 部件內(nèi)的結(jié)構(gòu)。 陽141] 本申請可W在由計算機執(zhí)行的計算機可執(zhí)行指令的一般上下文中描述，例如程序 模塊。一般地，程序模塊包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對象、組 件、數(shù)據(jù)結(jié)構(gòu)、類等等。也可W在分布式計算環(huán)境中實踐本申請，在運些分布式計算環(huán)境中， 由通過通信網(wǎng)絡(luò)而被連接的遠程處理設(shè)備來執(zhí)行任務(wù)。在分布式計算環(huán)境中，程序模塊可 W位于包括存儲設(shè)備在內(nèi)的本地和遠程計算機存儲介質(zhì)中。 陽142] 通過W上的實施方式的描述可知，本鄰域的技術(shù)人員可W清楚地了解到本申請可 借助軟件加必需的通用硬件平臺的方式來實現(xiàn)。基于運樣的理解，本申請的技術(shù)方案本質(zhì) 上或者說對現(xiàn)有技術(shù)做出貢獻的部分可軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品 可W存儲在存儲介質(zhì)中，如R0M/RAM、磁碟、光盤等，包括若干指令用W使得一臺計算機設(shè)備 (可W是個人計算機，移動終端，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）執(zhí)行本申請各個實施例或者實 施例的某些部分所述的方法。 陽143] 本說明書中的各個實施例采用遞進的方式描述，各個實施例之間相同或相似的部 分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。本申請可用于眾 多通用或?qū)Ｓ玫挠嬎銠C系統(tǒng)環(huán)境或配置中。例如：個人計算機、服務(wù)器計算機、手持設(shè)備 或便攜式設(shè)備、平板型設(shè)備、多處理器系統(tǒng)、基于微處理器的系統(tǒng)、可編程的電子設(shè)備、網(wǎng)絡(luò) PC、小型計算機、大型計算機、包括W上任何系統(tǒng)或設(shè)備的分布式計算環(huán)境等等。
[0144] 雖然通過實施例描繪了本申請，本鄰域普通技術(shù)人員知道，本申請有許多變形和 變化而不脫離本申請的精神，希望所附的權(quán)利要求包括運些變形和變化而不脫離本申請的 精神。
【主權(quán)項】
1. 一種圖像區(qū)域檢測方法，其特征在于，所述方法包括： 計算得出待處理圖像像素點的顏色特征和梯度特征，構(gòu)建所述待處理圖像的混合特征 向量； 對所述混合特征向量進行聚類，獲取聚類后的聚簇； 根據(jù)預定規(guī)則計算所述聚簇的聚簇概率，并基于所述聚簇概率計算所述聚簇中像素點 的像素概率； 基于所述像素概率對所述待處理圖像進行檢測，獲取目標區(qū)域。2. 如權(quán)利要求1所述的一種圖像區(qū)域檢測方法，其特征在于，所述計算得出待處理圖 像像素點的顏色特征包括： 如果所述待處理圖像不為Lab格式的數(shù)據(jù)，將所述待處理圖像的數(shù)據(jù)格式轉(zhuǎn)化為Lab 格式； W待處理像素為中屯、提取所述待處理圖像中鄰域窗口的像素點，將所述鄰域窗口中像 素點的L a、b S個通道分別分為K個分組，形成3體維的顏色特征向量； 將所述鄰域窗口中每個像素點在所述L a、b=個通道的顏色值累加到所述顏色特征 向量所對應(yīng)的維中，形成所述鄰域窗口中待處理像素點的顏色特征。3. 如權(quán)利要求2所述的一種圖像區(qū)域檢測方法，其特征在于，所述K的取值為： 6《K《16。4. 如權(quán)利要求1所述的一種圖像區(qū)域檢測方法，其特征在于，所述按照預定規(guī)則計算 所述聚簇的聚簇概率包括： 計算所述聚簇中每個聚簇與其他聚簇的距離和，W所述聚簇和與所有聚簇的所述距離 和的總和的比值作為所述聚簇的聚簇概率。5. 如權(quán)利要求4所述的一種圖像區(qū)域檢測方法，其特征在于，所述計算所述聚簇中每 個聚簇與其他聚簇的距離和包括： 采用下式計算所述聚簇中每個聚簇與其他聚簇的距離和D(Ci):上式中，L為聚簇的個數(shù)，M Cl, C, M為當前聚簇Ci的聚簇中屯、的混合特征向量與其他 聚簇的聚簇中屯、混合特征向量的歐氏距離，Wj為根據(jù)當前聚簇Ci所包括的像素點設(shè)置的 權(quán)重。6. 如權(quán)利要求1所述的一種圖像區(qū)域檢測方法，其特征在于，所述基于所述聚簇概率 計算所述聚簇中像素點的像素概率包括： 所述聚簇中像素點的像素概率為該像素點所屬聚簇的聚簇概率。7. 如權(quán)利要求1所述的一種圖像區(qū)域檢測方法，其特征在于，所述基于所述聚簇概率 計算所述聚簇中像素點的像素概率包括： W待求像素點P為中屯、提取第一鄰域窗口 W(P)'的像素點，采用下式計算所述待求像 素點P的像素概率Sal (P):上式中，P (q)為所述第一鄰域窗W (P)'內(nèi)的像素點q所屬聚簇的聚簇概率，t為待求像 素點P所屬的聚簇中像素點的個數(shù)，O為設(shè)置的平滑參數(shù)。8. 如權(quán)利要求1所述的一種圖像區(qū)域檢測方法，其特征在于，所述基于所述像素概率 對所述待處理圖像進行檢測獲取目標區(qū)域包括： 將所述待處理圖像中像素點的像素概率值符合判斷闊值PV要求的像素點作為所述待 處理圖像的目標區(qū)域； 或者， 將所述待處理圖像中像素的概率值大于第一闊值PF的像素點作為種子像素點； W所述種子像素點為中屯、計算與周圍第二鄰域窗口中像素點的歐式距離； 將所述歐式距離小于第二闊值的像素點作為新的種子像素點； 遍歷所有所述種子像素點與周圍所述第二鄰域窗口中像素點的歐式距離并做出判斷， 將所述計算得出的種子像素點作為所述待處理圖像的目標區(qū)域。9. 如權(quán)利要求8所述的一種圖像區(qū)域檢測方法，其特征在于，所述判斷闊值PV的取值 范圍為：0. 8《PV《0. 95 ; 或者， 所述第一闊值PF的取值范圍為：0. 8《PF《0. 95。10. -種圖像區(qū)域檢測裝置，其特征在于，所述裝置包括： 特征計算模塊，用于計算得出待處理圖像像素點的顏色特征和梯度特征，并構(gòu)建所述 待處理圖像的混合特征向量； 聚類模塊，用于對所述混合特征向量進行聚類，獲取聚類后的聚簇； 聚簇概率模塊，用于根據(jù)預定規(guī)則計算所述聚簇的聚簇概率； 像素概率模塊，用于基于所述聚簇概率計算所述聚簇中像素點的像素概率； 檢測模塊，用于基于所述像素概率對所述待處理圖像進行檢測，獲取目標區(qū)域。11. 如權(quán)利要求10所述的一種圖像區(qū)域檢測裝置，其特征在于，所述特征計算模塊包 括： 顏色特征模塊，用于計算所述待處理圖像像素點的顏色特征； 梯度特征模塊，用于計算所述待處理圖像像素點的梯度特征； 混合特征模塊，用于將所述顏色特征和梯度特征結(jié)合，形成待處理圖像的混合特征向 量。12. 如權(quán)利要求11所述的一種圖像區(qū)域檢測裝置，其特征在于，所述顏色特征模塊包 括： Lab轉(zhuǎn)化模塊，用于將所述待處理圖像轉(zhuǎn)化為Lab格式的數(shù)據(jù)； 顏色特征向量模塊，用于W待處理像素為中屯、提取所述待處理圖像中鄰域窗口的像素 點，將所述鄰域窗口中像素點的L、a、b S個通道分別分為K個分組，形成3體維的顏色特征 向量； 特征計算模塊，用于將所述鄰域窗口中每個像素點在所述L a、b =個通道的顏色值累 加到所述顏色特征向量所對應(yīng)的維中，形成所述鄰域窗口中待處理像素點的顏色特征。13. 如權(quán)利要求12所述的一種圖像區(qū)域檢測裝置，其特征在于，所述顏色特征向量模 塊中K的取值范圍為：6《K《16。14. 如權(quán)利要求10所述的一種圖像區(qū)域檢測裝置，其特征在于，所述聚簇概率模塊包 括： 距離和計算模塊，用于計算所述聚簇中每個聚簇與其他聚簇的距離和； 聚簇概率計算模塊，用于根據(jù)所述聚簇和與所有聚簇的所述距離和的總和計算所述聚 簇的聚簇概率。15. 如權(quán)利要求14所述的一種圖像區(qū)域檢測裝置，其特征在于，所述距離計算模塊計 算所述聚簇中每個聚簇與其他聚簇的距離和包括： 采用下式計算所述聚簇中每個聚簇與其他聚簇的距離和D(Ci):上式中，L為聚簇的個數(shù)，I I Cl, C, M為當前聚簇Ci的聚簇中屯、的混合特征向量與其他 聚簇的聚簇中屯、混合特征向量的歐氏距離，Wj為根據(jù)當前聚簇Ci所包括的像素點設(shè)置的 權(quán)重。16. 如權(quán)利要求10所述的一種圖像區(qū)域檢測裝置，其特征在于，所述像素概率模塊包 括下述中的至少一種： 第一概率模塊，用于將像素點所屬聚簇的聚簇概率作為該像素點的像素概率； 第二概率模塊，用于W待求像素點P為中屯、提取第一鄰域窗口 W(P)'的像素點，采用下 式計算所述待求像素點P的像素概率Sal (P):上巧甲，P (q)刃所還弟一鄰域茵W化）'內(nèi)的像素點q所屬的聚簇屬于主體區(qū)域的概率， t為待求像素點P所屬的聚簇中像素點的個數(shù)，O為設(shè)置的平滑參數(shù)。17. 如權(quán)利要求10所述的一種圖像區(qū)域檢測裝置，其特征在于，所述提取模塊包括下 述中的至少一種模塊： 第一提取模塊，用于將所述待處理圖像中像素點的像素概率值符合判斷闊值PV要求 的像素點作為所述待處理圖像的目標區(qū)域； 第二提取模塊，用于將所述待處理圖像中像素點屬于主體區(qū)域的概率值大于第一闊 值PF的像素點作為種子像素點；還用于W所述種子像素點為中屯、計算與周圍第二鄰域窗 口中像素點的歐式距離；還用于將所述歐式距離小于第二闊值的像素點作為新的種子像素 點；還用于遍歷所有所述種子像素點與周圍所述第二鄰域窗口中像素點的歐式距離并做出 判斷，將所述計算得出的種子像素點作為所述待處理圖像的目標區(qū)域。18. 如權(quán)利要求17所述的一種圖像區(qū)域檢測裝置，其特征在于，所述判斷闊值PV的取 值范圍為：0. 8《PV《0. 95 ; 和/或， 所述第一闊值PF的取值范圍為：0. 8《PF《0. 95。19. 一種圖像區(qū)域檢測裝置，其特征在于，所述裝置被設(shè)置成，包括： 第一處理單元，用于獲取用戶/客戶端的待處理圖像，計算得出待處理圖像像素點的 顏色特征和梯度特征，構(gòu)建所述待處理圖像的混合特征向量； 第二處理單元，用于對所述混合特征向量進行聚類，獲取聚類后的聚簇；還用于根據(jù) 預定規(guī)則計算所述聚簇的聚簇概率，并基于所述聚簇概率計算所述聚簇中像素點的像素概 率. 輸出單元，用于基于所述像素概率對所述待處理圖像進行獲取目標區(qū)域，并將所述獲 取的目標區(qū)域存儲或者展示于指定位置。
【文檔編號】G06T7/00GK105989594SQ201510075465
【公開日】2016年10月5日
【申請日】2015年2月12日
【發(fā)明人】石克陽
【申請人】阿里巴巴集團控股有限公司