分類模型創建方法、圖像分割方法及相關裝置制造方法
【專利摘要】本公開實施例公開了一種分類模型創建方法、圖像分割方法及裝置，所述分類模型創建方法采用前景像素點的位置先驗模型和顏色似然模型得到分類模型，利用所述分類模型能夠自動確定圖像中的前景樣本像素點和背景樣本像素點，用戶不必執行指定前景和背景的操作，從而實現圖像分割過程的自動化。而且，本公開的分類模型創建方法結合了前景像素點的空間位置信息及顏色特征信息，根據前景像素點的空間位置信息能夠排除一些與前景像素點的顏色相同但不是前景的像素點，因此能夠提高分割精度。
【專利說明】分類模型創建方法、圖像分割方法及相關裝置
【技術領域】
[0001] 本公開涉及圖像處理【技術領域】，特別是涉及一種圖像分割方法及相關裝置。
【背景技術】
[0002] 圖像分割是圖像分析的關鍵步驟，利用創建的分類模型對圖像中的像素點進行劃 分，得到若干個特定的、具有獨特性質的區域，并從若干個區域中提取出目標的過程。
[0003] 相關技術中的圖像分割方法中的分類模型，不知道圖像中的哪些像素點是前景像 素點（即，目標像素點），哪些像素點是背景像素點（即，非目標像素點）。因此，需要用戶 指定圖像中的前景像素點和背景像素點。然后，再根據前景像素點和背景像素點的顏色特 征向量，分別對前景和背景進行顏色建模，最后采用顏色模型對圖像進行分割，最終得到前 景分割結果。此種分類模型必須由用戶先選取圖像中的前景和背景的樣本像素點，依賴于 用戶的操作，不是完全自動對圖像進行分割。而且，此種分割方法的分類模型只考慮到了圖 像像素的顏色特征，完全沒有考慮其它信息，分割時參考的信息單一，導致分割精度較低。
【發明內容】
[0004] 為克服相關技術中存在的問題，本公開提供一種分類模型創建方法、圖像分割方 法及相關裝置。
[0005] 為了解決上述技術問題，本公開實施例公開了如下技術方案：
[0006] 根據本公開實施例的第一方面，提供一種分類模型創建方法，用于對圖像進行分 害!]，所述方法包括：
[0007] 根據前景像素點與預設特征之間的位置關系，對樣本圖像訓練得到前景像素點的 位置先驗模型；
[0008] 根據所述前景像素點的位置先驗模型，從樣本圖像中選取前景樣本像素點和背景 樣本像素點；
[0009] 根據所述前景樣本像素點訓練得到前景像素點的顏色似然模型，以及根據所述背 景樣本像素點訓練得到背景像素點的顏色似然模型；
[0010] 根據所述前景像素點的位置先驗模型、所述前景像素點的顏色似然模型以及所述 背景像素點的顏色似然模型，得到圖像的分類模型，所述分類模型用于確定待分割圖像的 前景像素點和背景像素點。
[0011] 結合第一方面，在第一方面的第一種可能的實現方式中，所述根據前景像素點與 預設特征之間的位置關系，對樣本圖像訓練得到前景像素點的位置先驗模型，采用如下方 式：
[0012] 對全部的樣本圖像根據所述預設特征進行定位；
[0013] 根據定位結果，對樣本圖像進行歸一化；
[0014] 計算歸一化后的樣本圖像中的任意像素點是前景像素點的概率，得到前景像素點 的位置先驗模型。
[0015] 結合第一方面，在第一方面的第二種可能的實現方式中，根據所述前景樣本像素 點訓練得到前景像素點的顏色似然模型，采用如下方式：
[0016] 根據顏色間的相似性，將前景樣本像素點進行聚類，得到各個聚類結果的聚類中 心像素點；
[0017] 根據前景樣本像素點的顏色特征向量到各個聚類中心像素點的顏色特征向量之 間的距離、各個聚類中心像素點的顏色特征向量之間的距離，以及，聚類中心像素點的權 重，獲取所述前景樣本像素點對應的顏色特征向量的概率分布信息，得到所述前景像素點 的顏色似然模型。
[0018] 結合第一方面，在第一方面的第三種可能的實現方式中，所述根據所述背景樣本 像素點訓練得到背景像素點的顏色似然模型，采用如下方式：
[0019] 根據顏色間的相似性，將背景樣本像素點進行聚類，得到各個聚類結果的聚類中 心像素點；
[0020] 根據背景樣本像素點的顏色特征向量到各個聚類中心像素點的顏色特征向量之 間的距離、各個聚類中心像素點的顏色特征向量之間的距離，以及，聚類中心像素點的權 重，獲取所述背景樣本像素點對應的顏色特征向量的概率分布信息，得到所述背景像素點 的顏色似然模型。
[0021] 結合第一方面的第二種可能的實現方式，在第一方面的第四種可能的實現方式 中，所述根據前景樣本像素點的顏色特征向量到各個聚類中心像素點的顏色特征向量之間 的距離，以及，聚類中心像素點的權重，獲取所述前景樣本像素點對應的顏色特征向量分布 信息，得到所述前景像素點的顏色似然模型，采用如下方式：
[0022] 獲取各個聚類中心像素點的顏色特征向量之間的距離的平均值；
[0023] 根據前景樣本像素點的顏色特征向量到各個聚類中心像素點的顏色特征向量之 間的距離與所述距離的平均值的商，以及所述聚類中心像素點的權重，利用相應的似然函 數，計算得到所述前景像素點的顏色似然模型。
[0024] 結合第一方面，在第一方面的第五種可能的實現方式中，根據所述前景像素點的 位置先驗模型、所述前景像素點的顏色似然模型以及所述背景像素點的顏色似然模型，得 到圖像的分類模型，采用如下方式：
[0025] 獲取前景像素點的位置先驗模型與前景像素點的顏色似然模型的乘積，得到前景 分類模型；
[0026] 根據前景像素點的位置先驗模型得到背景像素點的位置先驗模型；
[0027] 獲取背景像素點的位置先驗模型與背景像素點的顏色似然模型的乘積，得到背景 分類模型。
[0028] 根據本公開實施例的第二方面，提供一種圖像分割方法，包括：
[0029] 利用上述的任一種分類模型創建方法得到的分類模型，確定待分割圖像中的全部 前景像素點和背景像素點；
[0030] 將所述待分割圖像中全部的前景像素點所在的區域作為分割結果。
[0031] 根據本公開實施例的第三方面，提供一種分類模型創建裝置，用于對圖像進行分 害I]，所述裝置包括：
[0032] 位置先驗模型建立單元，用于根據前景像素點與預設特征之間的位置關系，對樣 本圖像訓練得到前景像素點的位置先驗模型；
[0033] 樣本像素點提取單元，用于根據所述前景像素點的位置先驗模型，從樣本圖像中 選取前景樣本像素點和背景樣本像素點；
[0034] 第一似然模型訓練單元，用于根據所述前景樣本像素點訓練得到前景像素點的顏 色似然模型；
[0035] 第二似然模型訓練單元，用于根據所述背景樣本像素點訓練得到背景像素點的顏 色似然模型；
[0036] 分類模型確定單元，用于根據所述前景像素點的位置先驗模型、所述前景像素點 的顏色似然模型以及所述背景像素點的顏色似然模型，得到圖像的分類模型，所述分類模 型用于確定待分割圖像的前景像素點和背景像素點。
[0037] 結合第三方面，在第三方面的第一種可能的實現方式中，所述位置先驗模型建立 單元包括：
[0038] 圖像定位子單元，用于對全部的樣本圖像根據所述預設特征進行定位；
[0039] 歸一化子單元，用于根據定位結果，對樣本圖像進行歸一化；
[0040] 第一計算子單元，用于計算歸一化后的樣本圖像中的任意像素點是前景像素點的 概率，得到前景像素點的位置先驗模型。
[0041] 結合第三方面，在第三方面的第二種可能的實現方式中，所述第一顏色似然模型 訓練單元包括：
[0042] 第一聚類子單元，用于根據顏色間的相似性，將前景樣本像素點進行聚類，得到各 個聚類結果的聚類中心像素點；
[0043] 第一獲取子單元，用于根據前景樣本像素點的顏色特征向量到各個聚類中心像素 點的顏色特征向量之間的距離、各個聚類中心像素點的顏色特征向量之間的距離，以及，聚 類中心像素點的權重，獲取所述前景樣本像素點對應的顏色特征向量的概率分布信息，得 到所述前景像素點的顏色似然模型。
[0044] 結合第三方面，在第三方面的第三種可能的實現方式中，所述第二顏色似然模型 訓練單元包括：
[0045] 第二聚類子單元，用于根據顏色間的相似性，將背景樣本像素點進行聚類，得到各 個聚類結果的聚類中心像素點；
[0046] 第二獲取子單元，用于根據背景樣本像素點的顏色特征向量到各個聚類中心像素 點的顏色特征向量之間的距離、各個聚類中心像素點的顏色特征向量之間的距離，以及，聚 類中心像素點的權重，獲取所述背景樣本像素點對應的顏色特征向量的概率分布信息，得 到所述背景像素點的顏色似然模型。
[0047] 結合第三方面的第二種可能的實現方式，在第三方面的第四種可能的實現方式 中，所述第一獲取子單元包括：
[0048] 第三獲取子單元，用于獲取各個聚類中心像素點的顏色特征向量之間的距離的平 均值；
[0049] 第二計算子單元，用于根據前景樣本像素點的顏色特征向量到各個聚類中心像素 點的顏色特征向量之間的距離與所述距離的平均值之間的商，以及所述聚類中心像素點的 權重，利用相應的似然函數，計算得到所述前景像素點的顏色似然模型。
[0050] 結合第三方面，在第三方面的第五種可能的實現方式中，所述分類模型確定單元 包括：
[0051] 前景分類模型建立子單元，用于獲取前景像素點的位置先驗模型與前景像素點的 顏色似然模型的乘積，得到前景分類模型；
[0052] 第四獲取子單元，用于根據前景像素點的位置先驗模型得到背景像素點的位置先 驗模型；
[0053] 背景分類模型建立子單元，用于獲取背景像素點的位置先驗模型與背景像素點的 顏色似然模型的乘積，得到背景分類模型。
[0054] 根據本公開實施例的第四方面，提供一種圖像分割裝置，包括：
[0055] 確定單元，利用上述任一種分類模型創建裝置得到的分類模型，確定帶分割圖像 中的全部前景像素點；
[0056] 分割單元，用于將所述待分割圖像中全部的前景像素點所在的區域作為分割結 果。
[0057] 根據本公開實施例的第五方面，提供一種終端設備，包括：處理器；用于存儲處理 器可執行指令的存儲器；其中，所述處理器被配置為：
[0058] 根據前景像素點與預設特征之間的位置關系，對樣本圖像訓練得到前景像素點的 位置先驗模型；
[0059] 根據所述前景像素點的位置先驗模型，從樣本圖像中選取前景樣本像素點和背景 樣本像素點；
[0060] 根據所述前景樣本像素點訓練得到前景像素點的顏色似然模型，以及根據所述背 景樣本像素點訓練得到背景像素點的顏色似然模型；
[0061] 根據所述前景像素點的位置先驗模型、所述前景像素點的顏色似然模型以及所述 背景像素點的顏色似然模型，得到圖像的分類模型，所述分類模型用于確定待分割圖像的 前景像素點和背景像素點。
[0062] 根據本公開實施例的第六方面，提供一種終端設備，包括：處理器；用于存儲處理 器可執行指令的存儲器；其中，所述處理器被配置為：
[0063] 利用上述任一項分類模型創建方法得到的分類模型，確定待分割圖像中的全部前 景像素點和背景像素點；
[0064] 將所述待分割圖像中全部的前景像素點所在的區域作為分割結果。
[0065] 本公開的實施例提供的技術方案可以包括以下有益效果：所述分類模型創建方法 利用前景像素點與圖像中的預設特征之間的位置關系，訓練得到前景像素點的位置先驗模 型；然后，根據前景像素點的位置先驗模型，從樣本圖像中自動選取前景樣本像素點和背景 樣本像素點；根據前景樣本像素點訓練得到前景像素點的顏色似然模型，以及根據背景樣 本像素點訓練得到背景像素點的顏色似然模型。最終，根據貝葉斯原理將前景像素點的位 置先驗模型、前景像素點的顏色似然模型得到分類模型。后續可以直接利用利用分類模型 對待分割圖像進行分割，得到分割結果。
[0066] 本公開提供的分類模型創建方法根據前景像素點的位置先驗模型和顏色似然模 型獲得分類模型，利用分類模型能夠自動確定圖像中的前景樣本像素點和背景樣本像素 點，用戶不必執行指定前景和背景的操作，從而實現圖像分割過程的自動化。而且，本公開 的分類模型創建方法結合了前景像素點的空間位置信息及顏色特征信息，根據前景像素點 的空間位置信息能夠排除一些與前景像素點的顏色相同但不是前景的像素點，因此能夠提 高分割精度。
[0067] 應當理解的是，以上的一般描述和后文的細節描述僅是示例性的，并不能限制本 公開。
【專利附圖】
【附圖說明】
[0068] 此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本發明的實施 例，并與說明書一起用于解釋本發明的原理。
[0069] 圖1是根據一示例性實施例示出的一種分類模型創建方法的流程圖。
[0070] 圖2是根據一示例性實施例示出的一種獲得前景像素點的位置先驗模型的方法 流程圖。
[0071] 圖3是根據一示例性實施例示出的一種建立顏色似然模型的方法流程圖。
[0072] 圖4是根據一示例性實施例示出的一種圖像分割方法的流程圖。
[0073] 圖5是根據一示例性實施例示出的一種分類模型創建裝置的框圖。
[0074] 圖6是根據一示例性實施例示出的圖像分割裝置的框圖。
[0075] 圖7是根據一示例性實施例示出的一種裝置的框圖。
[0076] 圖8是根據一示例性實施例示出的另一種裝置的框圖。
[0077] 通過上述附圖，已示出本公開明確的實施例，后文中將有更詳細的描述。這些附圖 并不是為了通過任何方式限制本公開構思的范圍，而是通過參考特定實施例為本領域技術 人員說明本公開的概念。
【具體實施方式】
[0078] 這里將詳細地對示例性實施例進行說明，其示例表示在附圖中。下面的描述涉及 附圖時，除非另有表示，不同附圖中的相同數字表示相同或相似的要素。以下示例性實施例 中所描述的實施方式并不代表與本公開相一致的所有實施方式。相反，它們僅是與如所附 權利要求書中所詳述的、本公開的一些方面相一致的裝置和方法的例子。
[0079] 圖1是根據一示例性實施例示出的一種分類模型創建方法的流程圖，如圖1所示， 所述分類模型創建方法應用于終端或服務器中，本公開實施例以人臉圖像中的頭發分割為 例進行說明。所述方法可以包括以下步驟：
[0080] 在步驟S110中，根據前景像素點與預設特征之間的位置關系，對樣本圖像訓練得 到前景像素點的位置先驗模型。
[0081] 人臉圖像中的頭發分割方法，頭發的像素點是前景像素點，圖像中的其它像素點 為背景像素點。人臉圖像中的頭發總是長在眼睛上方的位置空間，利用這一先驗信息對正 面人臉的樣本圖像進行訓練建立頭發的位置先驗模型，對樣本圖像內的任意像素點，計算 出該像素點出現頭發的先驗概率是該點被標定成頭發的頻率，即得到頭發的位置先驗模 型。
[0082] 在步驟S120中，根據所述前景像素點的位置先驗模型，從樣本圖像中選取前景樣 本像素點和背景樣本像素點。
[0083] 有了頭發的位置先驗模型，假設前景的概率閾值是0.8,背景的概率閾值是0.2。 利用頭發位置先驗模型，計算樣本圖像中像素點是前景像素點的概率，如果計算得到的概 率不小于0.8，則認為該像素點是前景像素點；否則，認為該像素點是背景像素點。
[0084] 在步驟S130中，根據所述前景樣本像素點訓練得到前景像素點的顏色似然模型， 以及根據所述背景樣本像素點訓練得到背景像素點的顏色似然模型。
[0085] 根據顏色間的相似性，將前景樣本像素點進行聚類，顏色相似的像素點聚為一個 簇，進而得到各個簇的聚類中心像素點的顏色特征向量；然后，得到前景樣本像素點的顏色 特征向量到各個聚類中心像素點的顏色特征向量之間距離（例如，歐式距離）；并計算聚類 中心像素點的權重，得到前景樣本像素點的顏色似然模型。
[0086] 背景樣本像素點的顏色似然模型與前景樣本像素點的顏色似然模型的建立過程 相同，此處不再贅述。
[0087] 在步驟S140中，根據所述前景像素點的位置先驗模型、所述前景像素點的顏色似 然模型以及所述背景像素點的顏色似然模型，得到圖像的分類模型，所述分類模型用于確 定待分割圖像的前景像素點和背景像素點。
[0088] 有了頭發的位置先驗模型和前景、背景像素點的顏色似然模型，根據貝葉斯后驗 概率理論，在已知像素點顏色特征向量值的情況下，得到后驗模型即最終的分類模型。
[0089] 本實施例提供的分類模型創建方法，采用前景像素點的位置先驗模型，可以自動 確定圖像中的前景樣本像素點和背景樣本像素點，用戶不必進行指定前景和背景的操作， 從而實現圖像分割過程的自動化。而且，本公開的分類模型創建方法結合了前景像素點的 空間位置信息及顏色特征信息，根據前景像素點的空間位置信息能夠排除一些與前景像素 點的顏色相同但不是前景的像素點，因此能夠提高分割精度。
[0090] 圖2是根據一示例性實施例示出的一種獲得前景像素點的位置先驗模型的方法 流程圖，本實施例以正面人臉圖像的頭發分割過程為例進行說明。如圖2所示，所述方法可 以包括步驟：
[0091] 在步驟S111中，對全部的樣本圖像根據所述預設特征進行定位。
[0092] 前景像素點是頭發像素點，預設特征是眼睛。
[0093] 假設訓練庫中有1000張正面人臉的樣本圖像，1000張正面人臉樣本圖像的男女 比例盡量保持在1 :1左右，年齡在20?40左右。在離線訓練過程中，需要手工標定這1000 張樣本圖像的頭發區域，標定的圖像以二值圖像方式存儲。這1000張樣本圖像的人臉檢測 和人眼定位結果都正確是保證頭發的位置先驗模型創建正確的前提條件。
[0094] 有了 1000張樣本圖像及樣本圖像的頭發標定圖像，首先對每一張樣本圖像的眼 睛進行定位，根據眼睛的定位結果。
[0095] 在步驟S112中，根據定位結果，對樣本圖像進行歸一化。
[0096] 根據眼睛定位結果，將頭發標定圖像進行對齊，并將頭發標定圖像歸一化到一個 400*400的模板內，即以頭發標定圖像中的眼睛為中心進行對齊，并歸一化。
[0097] 在步驟S113中，計算歸一化后的樣本圖像中的任意像素點是前景像素點的概率， 得到前景像素點的位置先驗模型。
[0098] 對于歸一化后的樣本圖像內的任意像素點（Xi，yi)，則該像素點出現頭發的先驗概 率是該像素點被標定成頭發的頻率，因此，定義頭發的位置先驗模型如公式1所示：
[0099]
【權利要求】
1. 一種分類模型創建方法，用于對圖像進行分割，其特征在于，所述方法包括： 根據前景像素點與預設特征之間的位置關系，對樣本圖像訓練得到前景像素點的位置 先驗模型； 根據所述前景像素點的位置先驗模型，從樣本圖像中選取前景樣本像素點和背景樣本 像素點； 根據所述前景樣本像素點訓練得到前景像素點的顏色似然模型，以及根據所述背景樣 本像素點訓練得到背景像素點的顏色似然模型； 根據所述前景像素點的位置先驗模型、所述前景像素點的顏色似然模型以及所述背景 像素點的顏色似然模型，得到圖像的分類模型，所述分類模型用于確定待分割圖像的前景 像素點和背景像素點。
2. 根據權利要求1所述的方法，其特征在于，所述根據前景像素點與預設特征之間的 位置關系，對樣本圖像訓練得到前景像素點的位置先驗模型，采用如下方式： 對全部的樣本圖像根據所述預設特征進行定位； 根據定位結果，對樣本圖像進行歸一化； 計算歸一化后的樣本圖像中的任意像素點是前景像素點的概率，得到前景像素點的位 置先驗模型。
3. 根據權利要求1所述的方法，其特征在于，根據所述前景樣本像素點訓練得到前景 像素點的顏色似然模型，采用如下方式： 根據顏色間的相似性，將前景樣本像素點進行聚類，得到各個聚類結果的聚類中心像 素點； 根據前景樣本像素點的顏色特征向量到各個聚類中心像素點的顏色特征向量之間的 距離、各個聚類中心像素點的顏色特征向量之間的距離，以及，聚類中心像素點的權重，獲 取所述前景樣本像素點對應的顏色特征向量的概率分布信息，得到所述前景像素點的顏色 似然模型。
4. 根據權利要求1所述的方法，其特征在于，所述根據所述背景樣本像素點訓練得到 背景像素點的顏色似然模型，采用如下方式： 根據顏色間的相似性，將背景樣本像素點進行聚類，得到各個聚類結果的聚類中心像 素點； 根據背景樣本像素點的顏色特征向量到各個聚類中心像素點的顏色特征向量之間的 距離、各個聚類中心像素點的顏色特征向量之間的距離，以及，聚類中心像素點的權重，獲 取所述背景樣本像素點對應的顏色特征向量的概率分布信息，得到所述背景像素點的顏色 似然模型。
5. 根據權利要求3所述的方法，其特征在于，所述根據前景樣本像素點的顏色特征向 量到各個聚類中心像素點的顏色特征向量之間的距離，以及，聚類中心像素點的權重，獲取 所述前景樣本像素點對應的顏色特征向量分布信息，得到所述前景像素點的顏色似然模 型，采用如下方式： 獲取各個聚類中心像素點的顏色特征向量之間的距離的平均值； 根據前景樣本像素點的顏色特征向量到各個聚類中心像素點的顏色特征向量之間的 距離與所述距離的平均值的商，以及所述聚類中心像素點的權重，利用相應的似然函數，計 算得到所述前景像素點的顏色似然模型。
6. 根據權利要求1所述的方法，其特征在于，根據所述前景像素點的位置先驗模型、 所述前景像素點的顏色似然模型以及所述背景像素點的顏色似然模型，得到圖像的分類模 型，采用如下方式： 獲取前景像素點的位置先驗模型與前景像素點的顏色似然模型的乘積，得到前景分類 模型； 根據前景像素點的位置先驗模型得到背景像素點的位置先驗模型； 獲取背景像素點的位置先驗模型與背景像素點的顏色似然模型的乘積，得到背景分類 模型。
7. -種圖像分割方法，其特征在于，包括： 利用權利要求1-6任一項方法得到的分類模型，確定待分割圖像中的全部前景像素點 和背景像素點； 將所述待分割圖像中全部的前景像素點所在的區域作為分割結果。
8. -種分類模型創建裝置，用于對圖像進行分割，其特征在于，所述裝置包括： 位置先驗模型建立單元，用于根據前景像素點與預設特征之間的位置關系，對樣本圖 像訓練得到前景像素點的位置先驗模型； 樣本像素點提取單元，用于根據所述前景像素點的位置先驗模型，從樣本圖像中選取 前景樣本像素點和背景樣本像素點； 第一似然模型訓練單元，用于根據所述前景樣本像素點訓練得到前景像素點的顏色似 然模型； 第二似然模型訓練單元，用于根據所述背景樣本像素點訓練得到背景像素點的顏色似 然模型； 分類模型確定單元，用于根據所述前景像素點的位置先驗模型、所述前景像素點的顏 色似然模型以及所述背景像素點的顏色似然模型，得到圖像的分類模型，所述分類模型用 于確定待分割圖像的前景像素點和背景像素點。
9. 根據權利要求8所述的裝置，其特征在于，所述位置先驗模型建立單元包括： 圖像定位子單元，用于對全部的樣本圖像根據所述預設特征進行定位； 歸一化子單元，用于根據定位結果，對樣本圖像進行歸一化； 第一計算子單元，用于計算歸一化后的樣本圖像中的任意像素點是前景像素點的概 率，得到前景像素點的位置先驗模型。
10. 根據權利要求8所述的裝置，其特征在于，所述第一顏色似然模型訓練單元包括： 第一聚類子單元，用于根據顏色間的相似性，將前景樣本像素點進行聚類，得到各個聚 類結果的聚類中心像素點； 第一獲取子單元，用于根據前景樣本像素點的顏色特征向量到各個聚類中心像素點的 顏色特征向量之間的距離、各個聚類中心像素點的顏色特征向量之間的距離，以及，聚類中 心像素點的權重，獲取所述前景樣本像素點對應的顏色特征向量的概率分布信息，得到所 述前景像素點的顏色似然模型。
11. 根據權利要求8所述的裝置，其特征在于，所述第二顏色似然模型訓練單元包括： 第二聚類子單元，用于根據顏色間的相似性，將背景樣本像素點進行聚類，得到各個聚 類結果的聚類中心像素點； 第二獲取子單元，用于根據背景樣本像素點的顏色特征向量到各個聚類中心像素點的 顏色特征向量之間的距離、各個聚類中心像素點的顏色特征向量之間的距離，以及，聚類中 心像素點的權重，獲取所述背景樣本像素點對應的顏色特征向量的概率分布信息，得到所 述背景像素點的顏色似然模型。
12. 根據權利要求10所述的裝置，其特征在于，所述第一獲取子單元包括： 第三獲取子單元，用于獲取各個聚類中心像素點的顏色特征向量之間的距離的平均 值； 第二計算子單元，用于根據前景樣本像素點的顏色特征向量到各個聚類中心像素點 的顏色特征向量之間的距離與所述距離的平均值之間的商，以及所述聚類中心像素點的權 重，利用相應的似然函數，計算得到所述前景像素點的顏色似然模型。
13. 根據權利要求8所述的裝置，其特征在于，所述分類模型確定單元包括： 前景分類模型建立子單元，用于獲取前景像素點的位置先驗模型與前景像素點的顏色 似然模型的乘積，得到前景分類模型； 第四獲取子單元，用于根據前景像素點的位置先驗模型得到背景像素點的位置先驗模 型； 背景分類模型建立子單元，用于獲取背景像素點的位置先驗模型與背景像素點的顏色 似然模型的乘積，得到背景分類模型。
14. 一種圖像分割裝置，其特征在于，包括： 確定單元，利用權利要求8-13任一種分類模型創建裝置得到的分類模型，確定帶分割 圖像中的全部前景像素點； 分割單元，用于將所述待分割圖像中全部的前景像素點所在的區域作為分割結果。
15. -種終端設備，其特征在于，包括： 處理器； 用于存儲處理器可執行指令的存儲器； 其中，所述處理器被配置為： 根據前景像素點與預設特征之間的位置關系，對樣本圖像訓練得到前景像素點的位置 先驗模型； 根據所述前景像素點的位置先驗模型，從樣本圖像中選取前景樣本像素點和背景樣本 像素點； 根據所述前景樣本像素點訓練得到前景像素點的顏色似然模型，以及根據所述背景樣 本像素點訓練得到背景像素點的顏色似然模型； 根據所述前景像素點的位置先驗模型、所述前景像素點的顏色似然模型以及所述背景 像素點的顏色似然模型，得到圖像的分類模型，所述分類模型用于確定待分割圖像的前景 像素點和背景像素點。
16. 一種終端設備，其特征在于，包括： 處理器； 用于存儲處理器可執行指令的存儲器； 其中，所述處理器被配置為： 利用上述任一項分類模型創建方法得到的分類模型，確定待分割圖像中的全部前景像 素點和背景像素點； 將所述待分割圖像中全部的前景像素點所在的區域作為分割結果。
【文檔編號】G06T7/00GK104063865SQ201410299813
【公開日】2014年9月24日 申請日期:2014年6月27日 優先權日:2014年6月27日
【發明者】王琳, 臧虎, 陳志軍 申請人:小米科技有限責任公司