一種圖像區(qū)域檢測(cè)方法及裝置的制造方法
【專利摘要】本申請(qǐng)?zhí)峁┮环N圖像區(qū)域檢測(cè)方法和裝置。所述方法可以包括：計(jì)算得出待處理圖像像素點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇；根據(jù)預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率，并基于所述聚簇概率計(jì)算所述聚簇中像素點(diǎn)的像素概率；基于所述像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)，獲取目標(biāo)區(qū)域。利用本申請(qǐng)中各個(gè)實(shí)施例，可以有效應(yīng)對(duì)實(shí)際圖像場(chǎng)景中各種復(fù)雜的情況，實(shí)現(xiàn)對(duì)商品圖像中主體區(qū)域進(jìn)行準(zhǔn)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(cè)方法及裝置
[0001] 巧術(shù)鄰域
[0002] 本申請(qǐng)屬于計(jì)算機(jī)信息處理鄰域，尤其設(shè)及一種圖像區(qū)域檢測(cè)方法及裝置。
【背景技術(shù)】
[0003] 隨著互聯(lián)網(wǎng)消費(fèi)時(shí)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(gòu)物的網(wǎng)站在商品信息展示時(shí)通常會(huì)提供大量有關(guān)商品的圖像，W便于消費(fèi)者進(jìn)行 直觀的選擇。商品圖像作為在線捜索和購(gòu)物的網(wǎng)站中承載較多，是非常重要信息，對(duì)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(fēng)衣、休閑褲、皮鞋、手機(jī)、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(shí)，通常需要考慮在一幅圖像當(dāng) 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(duì)于 背景是否突出等。而實(shí)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(chǎng)景中商務(wù)平臺(tái)服務(wù)方通常需要對(duì)賣家商戶提供的圖像進(jìn)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(fèi)者能夠更準(zhǔn)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(tái)服務(wù)方或者終端應(yīng)用的用戶通常需要精準(zhǔn)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(yáng)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(xué)術(shù)界中基于顏色 量化特征的圖像顯著性區(qū)域檢測(cè)技術(shù)。運(yùn)類技術(shù)通常由于僅僅依賴于顏色特征進(jìn)行處理， 僅能對(duì)簡(jiǎn)單的商品圖像進(jìn)行處理。而淘寶、天貓等平臺(tái)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(fù)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(shí)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(fù)雜度較高即非主體區(qū)域的顏色分布復(fù)雜時(shí)，使用基于顏色特征的方法往往會(huì)將背景 和前景建模為過多的區(qū)塊，導(dǎo)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(shí)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(fù)雜度高等復(fù)雜圖像時(shí)不能精確、有效的進(jìn)行主體區(qū)域的檢測(cè)、分離?，F(xiàn)有技術(shù)中尤 其是復(fù)雜圖像區(qū)域檢測(cè)時(shí)亟需一種更加高效、精確的檢測(cè)方法。

【發(fā)明內(nèi)容】

[0007] 本申請(qǐng)目的在于提供一種圖像區(qū)域檢測(cè)方法及裝置，能有效應(yīng)對(duì)實(shí)際圖像場(chǎng)景中 各種復(fù)雜的情況，實(shí)現(xiàn)對(duì)復(fù)雜圖像中主體區(qū)域進(jìn)行準(zhǔn)確、有效的分離，提高提取精確度。
[0008] 本申請(qǐng)?zhí)峁┑囊环N圖像區(qū)域檢測(cè)方法和裝置是運(yùn)樣實(shí)現(xiàn)的：
[0009] 一種圖像區(qū)域檢測(cè)方法，所述方法包括：
[0010] 計(jì)算得出待處理圖像像素點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇；
[0012] 根據(jù)預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率，并基于所述聚簇概率計(jì)算所述聚簇中像 素點(diǎn)的像素概率；
[0013] 基于所述像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)，獲取目標(biāo)區(qū)域。
[0014] 一種圖像區(qū)域檢測(cè)裝置，所述裝置包括：
[0015] 特征計(jì)算模塊，用于計(jì)算得出待處理圖像像素點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇；
[0017] 聚簇概率模塊，用于根據(jù)預(yù)定規(guī)則計(jì)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(jì)算所述聚簇中像素點(diǎn)的像素概率；
[0019] 檢測(cè)模塊，用于基于所述像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)，獲取目標(biāo)區(qū)域。
[0020] 一種圖像區(qū)域檢測(cè)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(jì)算得出待處理圖像像素 點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇；還用于根 據(jù)預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率，并基于所述聚簇概率計(jì)算所述聚簇中像素點(diǎn)的像素 概率；
[0023] 輸出單元，用于基于所述像素概率對(duì)所述待處理圖像進(jìn)行獲取目標(biāo)區(qū)域，并將所 述獲取的目標(biāo)區(qū)域存儲(chǔ)或者展示于指定位置。
[0024] 本申請(qǐng)?zhí)峁┑囊环N圖像區(qū)域檢測(cè)方法及裝置，采用為圖像中的每個(gè)像素點(diǎn)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(diǎn)的顏色特征外還包括梯度 特征，在計(jì)算像素點(diǎn)時(shí)同時(shí)考慮了像素點(diǎn)周圍的信息，可W更加準(zhǔn)確的建立像素點(diǎn)的特征 值，使得混合特征空間時(shí)前景和背景區(qū)域相近的兩個(gè)點(diǎn)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(cè)的 精準(zhǔn)度。同樣的，在復(fù)雜背景圖像中，本申請(qǐng)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(diǎn)和背景的像素點(diǎn)描述到兩個(gè)不同的聚簇中，在歐式距離計(jì)算時(shí) 可W很容易將兩者分離。本申請(qǐng)中對(duì)混合特征進(jìn)行聚類，計(jì)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(jì)算聚簇中每個(gè)像素屬于主體區(qū)域的像素概率，W本申請(qǐng)所 述的計(jì)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(cè)待處理圖像中的 主體區(qū)域。本申請(qǐng)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(shí)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(qǐng)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本 申請(qǐng)中記載的一些實(shí)施例，對(duì)于本鄰域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提 下，還可W根據(jù)運(yùn)些附圖獲得其他的附圖。
[0026] 圖1是本申請(qǐng)一種圖像區(qū)域檢測(cè)方法一種實(shí)施例的流程示意圖；
[0027] 圖2是本申請(qǐng)所述待處理圖像邊界點(diǎn)鄰域窗口提取的示意圖；
[002引圖3是利用本申請(qǐng)所述的一種圖像區(qū)域檢測(cè)方法進(jìn)行主體區(qū)域提取的示意圖；
[0029] 圖4是利用本申請(qǐng)所述的一種圖像區(qū)域檢測(cè)方法進(jìn)行主體區(qū)域提取的示意圖；
[0030] 圖5是本申請(qǐng)所述一種圖像區(qū)域檢測(cè)裝置的模塊結(jié)構(gòu)示意圖；
[0031] 圖6是本申請(qǐng)所述一種特征計(jì)算模塊一種實(shí)施例的模塊結(jié)構(gòu)示意圖；
[0032] 圖7是本申請(qǐng)所述一種顏色特征模塊一種實(shí)施例的模塊結(jié)構(gòu)示意圖；
[0033] 圖8是本申請(qǐng)所述一種像素概率計(jì)算模塊一種實(shí)施例的模塊結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0034] 為了使本技術(shù)鄰域的人員更好地理解本申請(qǐng)中的技術(shù)方案，下面將結(jié)合本申請(qǐng)實(shí) 施例中的附圖，對(duì)本申請(qǐng)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施 例僅僅是本申請(qǐng)一部分實(shí)施例，而不是全部的實(shí)施例。基于本申請(qǐng)中的實(shí)施例，本鄰域普通 技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本申請(qǐng)保護(hù) 的范圍。
[0035] 賣家商戶上傳的商品圖像中可W包括一個(gè)或者多個(gè)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(gè)圖像合并在一張圖像中后上傳作為某商品的圖像。本申 請(qǐng)所述的一種圖像區(qū)域檢測(cè)方法可W適用于包括一個(gè)或者多個(gè)商品主體的圖像，在所述圖 像包括多個(gè)主體時(shí)，可W將待處理圖像劃分為多個(gè)子圖，每個(gè)子圖可W包括單個(gè)主體，然后 對(duì)每個(gè)所述子圖采用本申請(qǐng)所述的主體區(qū)域提取方法進(jìn)行處理。具體的所述將包括多個(gè)主 體的待處理圖像進(jìn)行劃分的方法可W采用專利號(hào)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(gè)主體的商品圖 像分割成多個(gè)包括單個(gè)主體的子圖。
[0036] 下面W包括單個(gè)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(duì)本申 請(qǐng)所述的圖像處理方法進(jìn)行詳細(xì)的描述。圖1是本申請(qǐng)所述一種圖像區(qū)域檢測(cè)方法一個(gè)實(shí) 施例的方法流程圖，如圖1所述，所述方法可W包括：
[0037] S1 :計(jì)算得出待處理圖像像素點(diǎn)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(shí)施例中所述的待處理圖像可W為包括一個(gè)主體的單獨(dú)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(gè)主體的一個(gè)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(diǎn)的混合特征，形成混合特征向 量。在實(shí)際圖像信息處理時(shí)，通?？蒞使用局部特征的方式進(jìn)行每個(gè)像素點(diǎn)的特征提取，例 如對(duì)于某個(gè)像素點(diǎn)P來說，可W選取一個(gè)鄰域窗口 W (P)，所述的鄰域窗口 W (P)可W為一個(gè) W P點(diǎn)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(jìn)行合理選擇，例如可W根據(jù)圖像尺寸或包括像素點(diǎn)的多少取值為3、5、7、9等奇 數(shù)。本實(shí)施例中所述N可W取值為5,可W在每次計(jì)算像素點(diǎn)的混合特征中的顏色特征或者 梯度特征時(shí)取W P點(diǎn)為中屯、的5*5的正方形鄰域窗口區(qū)域。
[0039] 本實(shí)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(diǎn)的顏色特征和梯 度特征，可W對(duì)所述顏色特征和梯度特征等進(jìn)行預(yù)定格式的組合，形成高維度的混合特征 向量。具體的實(shí)現(xiàn)過程中，所述計(jì)算得出待處理圖像像素點(diǎn)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(zhǎng)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L(zhǎng)ab格式； 陽(yáng)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(diǎn)，將所 述鄰域窗口 W(p)中像素點(diǎn)的L、a、b Ξ個(gè)通道分別分為K個(gè)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(gè)像素點(diǎn)在所述L、a、b Ξ個(gè)通道的顏色值累加 到所述顏色特征向量所對(duì)應(yīng)的維中，形成所述鄰域窗口中待處理像素點(diǎn)的顏色特征。
[0043] 在待處理圖像顏色特征提取時(shí)通常可W包括將^ a、b Ξ個(gè)通道分別均勻的量化 為K個(gè)分組，盡可能的保證每個(gè)通道的每個(gè)分組的長(zhǎng)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(duì)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(shí)施例中采用從Lab空間檢測(cè)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(zhǔn)確。
[0045] 本實(shí)施例中可W將所述待處理圖像從RGB通道轉(zhuǎn)化為L(zhǎng)油通道。通常所述的RGB 通道包括Ξ個(gè)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(lán)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(gè)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(lán)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(zhǎng)油通道時(shí)，可W采用給定的算法進(jìn)行轉(zhuǎn) 化，也可W采用例如化Otoshop等軟件工具進(jìn)行轉(zhuǎn)化，在此不做詳細(xì)論述。然后可W W預(yù)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(diǎn)，將所述鄰域窗口 W(p) 中像素點(diǎn)的^ a、b Ξ個(gè)通道分別均勻的量化為K個(gè)bin (分組）。進(jìn)一步的可^將^ a、b Ξ個(gè)通道量化后的像素點(diǎn)的值拼接在一起可W形成一個(gè)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(shí)。本實(shí) 施例中所述的K的取值可W自定義設(shè)置，用來表示對(duì)待處理圖像顏色空間的一個(gè)描述。本 申請(qǐng)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(huì)被劃分得較細(xì)，顏色特 征表述的更為準(zhǔn)確，相應(yīng)的計(jì)算時(shí)間增加；相反若K值取值較小，那么對(duì)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(shí) 驗(yàn)，本申請(qǐng)?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(zhǔn)確、有效、合適的表述待處理圖像的顏色特征。在本實(shí)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(diǎn)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(gè)像素點(diǎn)在^曰、6^個(gè)通道的顏色值，將 其累加到該顏色特征向量相對(duì)應(yīng)的維中。例如在時(shí)5 -共25個(gè)像素點(diǎn)的鄰域窗口中，所述 25個(gè)像素點(diǎn)的L油顏色值共同構(gòu)建一個(gè)18維的顏色特征向量。具體的，所述25個(gè)像素點(diǎn) 中每個(gè)像素點(diǎn)都會(huì)有一組L油顏色值，W L通道為例，假設(shè)第一像素點(diǎn)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(gè)bin (分組）中相對(duì)應(yīng)的一個(gè)分組中，例如劃分 到L1中。第二像素點(diǎn)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(gè)像素點(diǎn)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(gè) 所述鄰域窗口 W(p)中待處理像素點(diǎn)總的L曰、b顏色特征的分布向量。
[0054] 計(jì)算完成當(dāng)前鄰域窗口中待處理像素點(diǎn)的顏色特征向量后，可W按照一定方向一 次移位一個(gè)像素點(diǎn)，然后按照上述方式再次提取鄰域窗口的像素點(diǎn)，計(jì)算新的鄰域窗口中 待處理像素點(diǎn)的顏色特征向量。依次計(jì)算得出所述待處理圖像中所有像素點(diǎn)的顏色特征向 量，獲取所述待處理圖像像素點(diǎn)的顏色特征。
[0055] 需要說明的是，本申請(qǐng)中所述的鄰域窗口中的待處理像素點(diǎn)通常為所述設(shè)置的正 方形鄰域窗口的中屯、點(diǎn)。對(duì)于所述待處理圖像中的非邊界點(diǎn)像素點(diǎn)，可W-次提取一個(gè)正 方形的鄰域窗口。對(duì)于邊界點(diǎn)或者靠近邊界點(diǎn)不能滿足正方形鄰域窗口提取的像素點(diǎn)，貝U 仍然按照所述鄰域窗口預(yù)先設(shè)置的提取規(guī)格，即可所述邊界點(diǎn)像素點(diǎn)或者靠近邊界的 像素點(diǎn)為中屯、、W所述鄰域窗口實(shí)際在所述待處理圖像中覆蓋的像素點(diǎn)進(jìn)行計(jì)算。圖2是 本申請(qǐng)所述待處理圖像邊界點(diǎn)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(duì)于某邊界點(diǎn)的非角點(diǎn)來說，W所述邊界點(diǎn)的像素點(diǎn)P1 為鄰域窗口中屯、提取到的像素點(diǎn)規(guī)格為5*3,相應(yīng)的，對(duì)于所述待處理圖像的角點(diǎn)P2,則提 取到的像素點(diǎn)的規(guī)格為3*3。
[0056] 本申請(qǐng)中所述的混合特征可W包括待處理圖像的梯度特征。本實(shí)施例中可W采用 化G特征進(jìn)行梯度特征提取，形成待處理圖像中每個(gè)像素點(diǎn)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(gè)像素點(diǎn)與鄰近像素點(diǎn)的差異，在構(gòu)建為梯度特征后可W用 于檢測(cè)顏色不明顯的區(qū)域。本實(shí)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(yùn)樣簡(jiǎn)化梯度特征的復(fù)雜性。具體的在實(shí)現(xiàn)方式上可W采用化G特征進(jìn)行梯度特征提取， 獲取預(yù)先設(shè)置的鄰域窗口 W(p)中像素點(diǎn)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(diǎn)梯度方向的總梯度方向值分割為Μ個(gè)bin (分組），例如將180度的 總梯度方向分割為12個(gè)bin (分組），那么每個(gè)bin代表的是一個(gè)15度的范圍。最后可W根 據(jù)所述鄰域窗口 W(P)中每個(gè)像素點(diǎn)的梯度值，使用線性插值的方法累加到對(duì)應(yīng)的bin (分 組）中，形成鄰域窗口中待處理像素點(diǎn)的一個(gè)Μ維的梯度特征向量，例如本實(shí)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(diǎn)的鄰域窗口 W(p)中 某一點(diǎn)的梯度方向?yàn)?4度，梯度值為10，那么該梯度方向?yàn)?4度所屬的bin (分組）為g3， 與前述顏色特征計(jì)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(diǎn)的梯度方向和梯度值，計(jì)算得到所述鄰域窗口待處理像素點(diǎn)的梯度 特征。同樣計(jì)算一個(gè)鄰域窗口后可W移位一個(gè)像素點(diǎn)，繼續(xù)計(jì)算下一個(gè)待處理像素點(diǎn)的梯 度特征。依次計(jì)算完成所述待處理圖像所有像素點(diǎn)的梯度特征，具體的可W參照上述顏色 特征的計(jì)算方式，在此不做寶述。
[0057] 在計(jì)算得出所述待處理圖像像素點(diǎn)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(gè)像素點(diǎn)的K維顏色特征和Μ維梯度特征進(jìn)行拼接組合，形成對(duì)于像素點(diǎn)的化+M) 維的混合特征向量。例如本實(shí)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(dāng)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(diǎn)，那么通過 上述方法可W構(gòu)建所述待處理圖像W地個(gè)化+Μ)維的混合特征向量。
[0058] 在本申請(qǐng)中計(jì)算像素點(diǎn)的顏色特征和梯度特征時(shí)考慮計(jì)算到了每個(gè)待處理像素 點(diǎn)周圍像素點(diǎn)的信息，可W更加準(zhǔn)確的建立像素點(diǎn)的特征值，使得混合特征空間時(shí)前景和 背景區(qū)域相近的兩個(gè)點(diǎn)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(cè)的精準(zhǔn)度。
[0059] S2 :對(duì)所述混合特征向量進(jìn)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(huì)產(chǎn)生W地個(gè)化+Μ)維的混合特 征向量。本申請(qǐng)中為了提高計(jì)算效率，可W對(duì)運(yùn)些特征向量進(jìn)行聚類。本實(shí)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(gè)化+M)維的混合特征向量中隨機(jī)選取L個(gè)混合特征向量作為 初始聚類中屯、。在具體的實(shí)施例中，所述L的取值范圍可W經(jīng)過試驗(yàn)選取合適的值，通常所 述L取值太大會(huì)導(dǎo)致計(jì)算時(shí)間較長(zhǎng)，L太小則無法將特征空間劃分得比較精細(xì)。
[0062] S202 :遍歷所有W*K個(gè)混合特征向量，分別計(jì)算每一個(gè)混合特征向量與當(dāng)前聚類 中屯、之間的距離。本實(shí)施例中所述的距離采用的為歐式距離，例如兩個(gè)混合特征向量分別 為P和q，其中q為隨機(jī)選取的當(dāng)前聚類中屯、，那么所述混合特征向量與所述當(dāng)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(duì)于每個(gè)混合特征向量，計(jì)算其與所述選取的L個(gè)初始聚類中屯、的距離，所 述混合特征向量屬于與所述L個(gè)初始聚類中屯、距離最小的聚簇。經(jīng)過一輪計(jì)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(gè)初始聚類中屯、的聚簇中。 W65] S204 :更新每個(gè)聚簇的聚類中屯、。將待處理圖像中每個(gè)像素點(diǎn)劃分到對(duì)應(yīng)的聚簇 后，可W更新每個(gè)聚簇的聚類中屯、。本實(shí)施例中具體的更新計(jì)算方法可W包括計(jì)算所述每 個(gè)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(jì)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(qǐng)中可W反復(fù)聚類計(jì)算上述為 每個(gè)像素點(diǎn)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(jìn)行較大幅度 的移動(dòng)（該移動(dòng)的幅度闊值可W根據(jù)需求進(jìn)行設(shè)置）或者所述聚類計(jì)算的次數(shù)達(dá)到預(yù)置 計(jì)算要求為止。具體例如在本實(shí)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(jì)算的停止條件可W設(shè)置為 D(01d_C, New_C)<0. 5〇
[0067] 本實(shí)施例中將混合特征向量進(jìn)行聚類，形成L個(gè)聚簇，可W將所述待處理圖像中 的大量像素點(diǎn)的混合特征計(jì)算量縮小至L個(gè)聚簇的計(jì)算，可W提高后續(xù)圖像區(qū)域檢測(cè)的進(jìn) 一步計(jì)算速率，提高整體圖像信息處理效率。
[0068] S3 :根據(jù)預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率，并基于所述聚簇概率計(jì)算所述聚簇 中像素點(diǎn)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(qǐng)所述的化+M)維的混合特征向量 空間中聚類成了 L個(gè)聚簇，其中所述L個(gè)聚簇中每個(gè)聚簇內(nèi)的像素點(diǎn)在所述特征空間上是 相近的。本申請(qǐng)中可每個(gè)所述聚簇為單元計(jì)算每個(gè)聚簇屬于主體區(qū)域的聚簇概率，然 后進(jìn)一步的基于所述聚簇的聚簇概率計(jì)算所述聚簇中所有像素點(diǎn)屬于所述主體區(qū)域的像 素概率。本實(shí)施例中可W采用每個(gè)聚簇在整個(gè)所述待處理圖像中的顯著度來描述所述每個(gè) 聚簇屬于主體區(qū)域的概率。具體的所述根據(jù)預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率可W包括：
[0070] 計(jì)算所述L個(gè)聚簇中每個(gè)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(shí)施例中假設(shè)經(jīng)過聚類后得到的所述L個(gè)聚簇的聚簇中屯、分別為C1、C2、…、 化，本實(shí)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(duì)于任意聚簇Ci來說，1《i《以本實(shí)施例提供一種計(jì)算所述聚簇中每個(gè)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(jì)算得出：
[0072]
[0073] 上式中，L為聚簇的個(gè)數(shù)，如本實(shí)施例中設(shè)置的120, I |ci，C，II為當(dāng)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(gè)聚簇之間混合特征向量差距越大，兩個(gè)聚簇中屯、之間的歐氏距離越大。若某個(gè)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(jì)算得到的與其他聚簇的距離之和D(Ci)值也 越大。在本實(shí)施中計(jì)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(dāng)前聚簇 Ci所包括的像素點(diǎn)設(shè)置的權(quán)重。本實(shí)施例中一般的，所述聚簇中包括的像素點(diǎn)的個(gè)數(shù)越多， 那么其對(duì)應(yīng)顯著度值的貢獻(xiàn)也越大。因此，所述Wj可W根據(jù)聚簇中所包括的像素點(diǎn)進(jìn)行設(shè) 置。例如可W設(shè)置為聚簇所包括的像素點(diǎn)個(gè)數(shù)，或者當(dāng)前聚簇所包括的像素點(diǎn)個(gè)數(shù)與所述 待處理圖像總像素點(diǎn)個(gè)數(shù)的比值等，具體的可W根據(jù)需求進(jìn)行設(shè)置。運(yùn)樣，在計(jì)算所述聚簇 的距離和時(shí)加入所述聚簇的權(quán)重Wj，將所述聚簇中所包括的像素點(diǎn)個(gè)數(shù)計(jì)算在內(nèi)，在一些 應(yīng)用場(chǎng)景中更加符合實(shí)際圖像主體區(qū)域的特性，在該類應(yīng)用場(chǎng)景中可W使提取主圖區(qū)域的 計(jì)算結(jié)果更加準(zhǔn)確。
[0074] 在得到每個(gè)聚簇在所述待處理圖像中的顯著度后，可W進(jìn)一步根據(jù)所述顯著度計(jì) 算每個(gè)聚簇屬于所述主體區(qū)域的聚簇概率。本實(shí)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(jì)算得出： 陽(yáng)0巧]
[0076] 上述中Σ 為計(jì)算得出的所有聚簇的聚簇和的總和，可w采用當(dāng)前聚簇 的距離和與所述總和的比值作為所述當(dāng)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(qǐng)的一種實(shí)施例中可W認(rèn)為該聚簇中像素點(diǎn)屬 于主體區(qū)域的像素概率等價(jià)于該聚簇屬于主體區(qū)域的聚簇概率，運(yùn)樣可W根據(jù)所述聚簇的 概率得到每個(gè)像素點(diǎn)的一個(gè)概率值。因此，本申請(qǐng)的一種實(shí)施例中，所述基于所述聚簇概率 計(jì)算所述聚簇中像素點(diǎn)的像素概率可W包括：
[0077] S301 :所述聚簇中像素點(diǎn)的像素概率可W為該像素點(diǎn)所屬聚簇的聚簇概率。
[0078] 在本申請(qǐng)其他實(shí)施例中，聚簇中的像素點(diǎn)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(qǐng)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(zhǔn)確，可W再 次計(jì)算每個(gè)聚簇中每個(gè)像素點(diǎn)屬于主體區(qū)域的像素概率。在此，本申請(qǐng)可W設(shè)置第二鄰域 窗口 W(p)'，可W參照上述計(jì)算顏色特征的方式W像素點(diǎn)P為中屯、提取所述第二鄰域窗口 W(p)'的像素點(diǎn)，所述第二鄰域窗口 W(p)'中的某個(gè)像素點(diǎn)q的概率為該像素點(diǎn)q所屬聚簇 的聚簇概率，在此W P (q)表示，則另一種實(shí)施例中所述基于所述聚簇的概率計(jì)算所述聚簇 中像素點(diǎn)屬于所述主體區(qū)域的概率可W包括：
[0079] S302 待求像素點(diǎn)P為中屯、提取第一鄰域窗口 W(p)'的像素點(diǎn)，采用下式計(jì)算所 述待求像素點(diǎn)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(diǎn)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(diǎn)P所屬的聚簇中像素點(diǎn)的個(gè)數(shù)，σ為設(shè)置的一個(gè)平滑參數(shù)，可W 表示當(dāng)前計(jì)算的像素點(diǎn)Ρ的結(jié)果受到周圍像素點(diǎn)影響的大小。若σ取值較大，可W表示像 素點(diǎn)Ρ的計(jì)算結(jié)果容易受周圍像素點(diǎn)的影響，反之不容易受到周圍像素點(diǎn)的影響。該σ值 可W根據(jù)經(jīng)驗(yàn)或者結(jié)果的預(yù)估進(jìn)行合理設(shè)置，一般來說，對(duì)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(shí)施例中具體的可W取值為0.17。若在自然場(chǎng)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(shí)設(shè)置的鄰域 窗口相同，例如可W設(shè)置為時(shí)5的正方形鄰域窗口。運(yùn)樣，在計(jì)算所述待處理圖像中像素點(diǎn) 的像素概率時(shí)可待求像素點(diǎn)為中屯、所述第一鄰域窗口 W(p)'如5*5的像素點(diǎn)進(jìn)行計(jì) 算，遍歷所述第一鄰域窗口 W(p)'中所有像素點(diǎn)的概率可W計(jì)算得到該待求像素點(diǎn)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(diǎn)屬于主體區(qū)域概率計(jì)算方法，可W計(jì)算得到所述待 處理圖像中每個(gè)像素點(diǎn)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(diǎn)的概率值進(jìn)行平滑計(jì)算得出，可W提高最終的提取結(jié)果的準(zhǔn)確性。
[0084] S4 :基于所述像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)，獲取目標(biāo)區(qū)域。
[00化]在計(jì)算完成所述待處理圖像每個(gè)像素屬于所述主體區(qū)域的像素概率后，可W進(jìn)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(biāo)區(qū)域。本申請(qǐng)中所述的目 標(biāo)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(shí)施例中，所述目標(biāo)區(qū) 域也可w為背景區(qū)域，即可w檢測(cè)獲取待處理圖像的背景區(qū)域、本申請(qǐng)一種實(shí)施方式中，所 述基于所述像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)獲取目標(biāo)區(qū)域具體的可W包括：
[0086] S401 :將所述待處理圖像中像素點(diǎn)的像素概率值符合判斷闊值PV要求的像素點(diǎn) 作為所述待處理圖像的目標(biāo)區(qū)域。
[0087] 具體的例如在檢測(cè)主體區(qū)域的實(shí)施過程中，例如可W預(yù)先設(shè)置像素點(diǎn)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(diǎn)的像素概率的值大于0. 85的像 素點(diǎn)提取出來，作為所述待處理圖像的主體區(qū)域。本申請(qǐng)所述預(yù)定判斷闊值取值過小會(huì)導(dǎo) 致提取較多的非主體區(qū)域的像素點(diǎn)，取值過大則會(huì)降低提取到的主體區(qū)域圖像的完整性， 本實(shí)施例提供一種所述判斷闊值的取值范圍，具體的所述預(yù)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(diǎn)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(diǎn)的概率值進(jìn)行平滑計(jì)算得出的概率值。
[0088] 當(dāng)然，在檢測(cè)背景區(qū)域的實(shí)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(shí)際場(chǎng)景應(yīng)用進(jìn)行確定。
[0089] 本申請(qǐng)還提供另一種優(yōu)選的實(shí)施例，在所述另一種實(shí)施例中，所述基于所述像素 點(diǎn)的像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)獲取目標(biāo)具體的可W包括：
[0090] S4021 :將所述待處理圖像中像素點(diǎn)屬于主體區(qū)域的概率值大于第一闊值PF的像 素點(diǎn)作為種子像素點(diǎn)； 陽(yáng)091] S4022 所述種子像素點(diǎn)為中屯、計(jì)算與周圍第二鄰域窗口中像素點(diǎn)的歐式距 離；
[0092] S4023 :將所述歐式距離小于第二闊值的像素點(diǎn)作為新的種子像素點(diǎn)；
[0093] S2044:遍歷所有所述種子像素點(diǎn)與周圍所述第二鄰域窗口中像素點(diǎn)的歐式距離 并做出判斷，將所述計(jì)算得出的種子像素點(diǎn)作為所述待處理圖像的目標(biāo)區(qū)域。
[0094] 本實(shí)施例中，所述像素點(diǎn)屬于主體區(qū)域的像素概率優(yōu)選的可W為所述像素點(diǎn)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(shí) 際數(shù)據(jù)處理需求進(jìn)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(yù)定判斷闊值，本申請(qǐng)所述第一闊 值PF取值過小會(huì)導(dǎo)致提取較多的非主體區(qū)域的像素點(diǎn)，取值過大則會(huì)降低提取到的主體 區(qū)域圖像的完整性，本實(shí)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(shí)施例中所述的第Ξ鄰域窗口一般的為W種 子像素點(diǎn)為中屯、的3*3的八鄰近窗口，然后可W根據(jù)本申請(qǐng)所述的例如30維的特征混合特 征向量進(jìn)行歐式距離計(jì)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(diǎn)作為新的種子像素點(diǎn)，可W認(rèn)為符合所述第二闊值要求的新的種子像 素點(diǎn)同樣屬于主體區(qū)域。當(dāng)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(diǎn)作為背景區(qū)域。需要說明的，本申請(qǐng)中所述的主體區(qū)域通常是連通的，在其他的應(yīng)用場(chǎng)景 中，可W將沒有經(jīng)過第二闊值判斷過的像素點(diǎn)設(shè)置為背景區(qū)域。本實(shí)施例中可W根據(jù)概率 值較大的像素點(diǎn)作為種子像素點(diǎn)，然后不斷的遍歷周圍的鄰近點(diǎn)并做出判斷，最終得到主 體區(qū)域。
[0095] 當(dāng)然，本申請(qǐng)所述基于所述像素點(diǎn)的像素概率后，獲取目標(biāo)區(qū)域的方式可W包括 但不限于本申請(qǐng)所述的實(shí)施例，其他的基于本申請(qǐng)所述的方法無需創(chuàng)造性勞動(dòng)的其他處理 方法仍在本申請(qǐng)所述的申請(qǐng)范圍內(nèi)，例如利用測(cè)地線距離算法進(jìn)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(qǐng)?zhí)峁┑囊环N圖像區(qū)域檢測(cè)方法，構(gòu)建了包括像素點(diǎn)顏色特征和梯度特征的 混合特征向量，可W更加準(zhǔn)確的建立像素點(diǎn)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(zhǔn)度。同樣的，在復(fù)雜背景圖像中，本申請(qǐng)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(diǎn)和背景的像素點(diǎn)描述到兩個(gè)不同 的聚簇中，在歐式距離計(jì)算時(shí)可W很容易將兩者分離。本申請(qǐng)中對(duì)混合特征進(jìn)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(shí)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(shí)際的應(yīng)用中，利用本申請(qǐng)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(zhǔn) 確率達(dá)到了 89. 62%，召回率達(dá)到了 88. 83%，解決了現(xiàn)有技術(shù)中面臨復(fù)雜度高的圖像時(shí)主 體區(qū)域提取準(zhǔn)確率低的問題。
[0097] 圖3、圖4分別是利用本申請(qǐng)所述的一種圖像區(qū)域檢測(cè)方法進(jìn)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(yùn)樣的圖像時(shí)無法對(duì)該服裝中間高亮的部分進(jìn)行檢測(cè)，因?yàn)榇颂幍念伾浅？拷?景的白色。而本申請(qǐng)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(fù)雜的情況，從圖4中可W看到現(xiàn)有算法在面對(duì)復(fù)雜性較高的圖像 上難W精確提取主體，本申請(qǐng)所述方法采用聚類獲取聚簇計(jì)算像素點(diǎn)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(shí)結(jié)構(gòu)上復(fù)雜度很高的圖像主體提取問題，大大 提高檢測(cè)精度。
[009引基于本申請(qǐng)所述的一種圖像區(qū)域檢測(cè)方法，本申請(qǐng)還提供一種圖像區(qū)域檢測(cè)裝 置。圖5是本申請(qǐng)所述一種圖像區(qū)域檢測(cè)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(jì)算模塊101，可W用于計(jì)算得出待處理圖像像素點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇； 陽(yáng)101] 聚簇概率模塊103,可W用于根據(jù)預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率； 陽(yáng)102] 像素概率模塊104,可W用于基于所述聚簇的概率計(jì)算所述聚簇中像素點(diǎn)的像素 概率； 陽(yáng)103] 檢測(cè)模塊105,可W用于基于所述像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)，獲取目標(biāo) 區(qū)域。
[0104] 在具體的實(shí)施過程中，所述的特征計(jì)算模塊101可W分成多個(gè)子模塊分別進(jìn)行相 應(yīng)過程的處理。圖6是本申請(qǐng)所述一種特征計(jì)算模塊101 -種實(shí)施例的模塊結(jié)構(gòu)示意圖， 如圖6所示，所述特征計(jì)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(jì)算所述待處理圖像像素點(diǎn)的顏色特征； 陽(yáng)106] 梯度特征模塊1012,可W用于計(jì)算所述待處理圖像像素點(diǎn)的梯度特征； 陽(yáng)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(qǐng)所述一種特征計(jì)算模塊1011 -種實(shí)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(zhǎng)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(diǎn)，將所述鄰域窗口中像素點(diǎn)的L、a、b Ξ個(gè)通道分別分為K個(gè)分組，形成3體 維的顏色特征向量； 陽(yáng)111] 特征計(jì)算模塊113,可W用于將所述鄰域窗口中每個(gè)像素點(diǎn)在所述^曰、b Ξ個(gè)通 道的顏色值累加到所述顏色特征向量所對(duì)應(yīng)的維中，形成所述鄰域窗口中待處理像素點(diǎn)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(qǐng)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(qǐng)裝置提取的顏色特征向量準(zhǔn)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(jì)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(jì)算模塊，可W用于計(jì)算所述聚簇中每個(gè)聚簇與其他聚簇的距離和；
[0115] 聚簇概率計(jì)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(jì) 算所述聚簇的聚簇概率。
[0116] 本申請(qǐng)所述一種圖像區(qū)域檢測(cè)裝置的一種優(yōu)選實(shí)施例中，所述距離計(jì)算模塊計(jì)算 所述聚簇中每個(gè)聚簇與其他聚簇的距離和具體的可W包括：
[0117] 采用下式計(jì)算所述聚簇中每個(gè)聚簇與其他聚簇的距離和D(Ci): 陽(yáng)11引
[0119] 上式中，L為聚簇的個(gè)數(shù)，II Ci，c, II為當(dāng)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(dāng)前聚簇Ci所包括的像素點(diǎn)設(shè) 置的權(quán)重。
[0120] 圖8是本申請(qǐng)所述一種像素概率模塊104 -種實(shí)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(yáng)121] 第一概率模塊1041，可W用于將像素點(diǎn)所屬聚簇的聚簇概率作為該像素點(diǎn)的像素 概率；
[0122] 第二概率模塊1042,可W用于W待求像素點(diǎn)P為中屯、提取第一鄰域窗口 W(p)'的 像素點(diǎn)，采用下式計(jì)算所述待求像素點(diǎn)P的像素概率Sal (P): 陽(yáng) 123]
[0124] 上式中，P(q)為所述第一鄰域窗W(p)'內(nèi)的像素點(diǎn)q所屬的聚簇屬于主體區(qū)域的 概率，t為待求像素點(diǎn)P所屬的聚簇中像素點(diǎn)的個(gè)數(shù)，σ為設(shè)置的一個(gè)平滑參數(shù)。
[0125] 所述提取模塊105可W采取預(yù)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(diǎn)的像素概率值符合判斷闊值 PV要求的像素點(diǎn)作為所述待處理圖像的目標(biāo)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(diǎn)屬于主體區(qū)域的概率值大于 第一闊值的PF像素點(diǎn)作為種子像素點(diǎn)；還可W用于W所述種子像素點(diǎn)為中屯、計(jì)算與周圍 第二鄰域窗口中像素點(diǎn)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(diǎn)作 為新的種子像素點(diǎn)；還可W用于遍歷所有所述種子像素點(diǎn)與周圍所述第二鄰域窗口中像 素點(diǎn)的歐式距離并做出判斷，將所述計(jì)算得出的種子像素點(diǎn)作為所述待處理圖像的目標(biāo)區(qū) 域。
[0128] 上述所述的一種圖像區(qū)域檢測(cè)裝置中，所述判斷闊值PV的取值范圍可W為： 0. 8《PV《0. 95 ; 陽(yáng)129] 和/或， 陽(yáng)130] 所述第一闊值PF的取值范圍可W為：0. 8《PF《0. 95。 陽(yáng)131] 本實(shí)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(fù)雜性較高的圖像區(qū)域檢測(cè)的準(zhǔn)確性。
[0132] 利用本申請(qǐng)所述的一種圖像區(qū)域檢測(cè)裝置，可W在平臺(tái)型電商網(wǎng)站中用于分離復(fù) 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(duì)實(shí)際圖像場(chǎng)景中各種復(fù)雜的情 況，實(shí)現(xiàn)對(duì)復(fù)雜圖像中主體區(qū)域進(jìn)行準(zhǔn)確、有效的分離，提高圖像檢測(cè)精確度。 陽(yáng)133] 本申請(qǐng)所述的一種圖像區(qū)域檢測(cè)裝置可W使用于多種終端設(shè)備中，例如用戶移動(dòng) 客戶端的樞圖應(yīng)用，或者?？谟糜趫D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(cè)裝置在進(jìn)行圖像檢測(cè)，獲取目標(biāo)區(qū)域后，可W將所述獲取的目標(biāo)區(qū)域的圖像 進(jìn)行保存或者顯示給用戶進(jìn)行進(jìn)一步處理。本申請(qǐng)?zhí)峁┮环N圖像區(qū)域檢測(cè)裝置，可W適用 于處理用戶或者客戶端的圖像，進(jìn)行圖像檢測(cè)，獲取目標(biāo)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(jì)算得出待處理圖像 像素點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇；還可 W用于根據(jù)預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率，并基于所述聚簇概率計(jì)算所述聚簇中像素 點(diǎn)的像素概率；
[0136] 輸出單元，可W用于基于所述像素概率對(duì)所述待處理圖像進(jìn)行獲取目標(biāo)區(qū)域，并 將所述獲取的目標(biāo)區(qū)域存儲(chǔ)或者展示于指定位置。
[0137] 本實(shí)施例提供的圖像去檢測(cè)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(biāo)區(qū)域，可W提高客戶端圖片處理用戶體驗(yàn)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(qǐng)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(jì)算等之類的 描述，但是，本申請(qǐng)并不局限于必須是完全標(biāo)準(zhǔn)的格式轉(zhuǎn)換、聚類方法或者本申請(qǐng)?zhí)峁┑墓?定公式的情況。本申請(qǐng)中各個(gè)實(shí)施例所設(shè)及的上述描述僅是本申請(qǐng)中的一些實(shí)施例中的應(yīng) 用，在某些標(biāo)準(zhǔn)、方法的基礎(chǔ)上略加修改后的處理方法也可W實(shí)行上述本申請(qǐng)各實(shí)施例的 方案。當(dāng)然，要符合本申請(qǐng)上述各實(shí)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(shí)現(xiàn)相同的申請(qǐng)，在此不再寶述。
[0139] 上述實(shí)施例闡明的單元或模塊，具體可W由計(jì)算機(jī)忍片或?qū)嶓w實(shí)現(xiàn)，或者由具有 某種功能的產(chǎn)品來實(shí)現(xiàn)。為了描述的方便，描述W上裝置時(shí)W功能分為各種模塊分別描述。 當(dāng)然，在實(shí)施本申請(qǐng)時(shí)可W把各模塊的功能在同一個(gè)或多個(gè)軟件和/或硬件中實(shí)現(xiàn)，也可 W將實(shí)現(xiàn)同一功能的模塊由多個(gè)子模塊或子單元的組合實(shí)現(xiàn)。
[0140] 本鄰域技術(shù)人員也知道，除了 W純計(jì)算機(jī)可讀程序代碼方式實(shí)現(xiàn)控制器W外，完 全可W通過將方法步驟進(jìn)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(shí)現(xiàn)相同功能。因此運(yùn)種控制器可W被認(rèn)為是一種 硬件部件，而對(duì)其內(nèi)部包括的用于實(shí)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(shí)現(xiàn)各種功能的裝置視為既可W是實(shí)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(yáng)141] 本申請(qǐng)可W在由計(jì)算機(jī)執(zhí)行的計(jì)算機(jī)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(duì)象、組 件、數(shù)據(jù)結(jié)構(gòu)、類等等。也可W在分布式計(jì)算環(huán)境中實(shí)踐本申請(qǐng)，在運(yùn)些分布式計(jì)算環(huán)境中， 由通過通信網(wǎng)絡(luò)而被連接的遠(yuǎn)程處理設(shè)備來執(zhí)行任務(wù)。在分布式計(jì)算環(huán)境中，程序模塊可 W位于包括存儲(chǔ)設(shè)備在內(nèi)的本地和遠(yuǎn)程計(jì)算機(jī)存儲(chǔ)介質(zhì)中。 陽(yáng)142] 通過W上的實(shí)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(qǐng)可 借助軟件加必需的通用硬件平臺(tái)的方式來實(shí)現(xiàn)?；谶\(yùn)樣的理解，本申請(qǐng)的技術(shù)方案本質(zhì) 上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品 可W存儲(chǔ)在存儲(chǔ)介質(zhì)中，如R0M/RAM、磁碟、光盤等，包括若干指令用W使得一臺(tái)計(jì)算機(jī)設(shè)備 (可W是個(gè)人計(jì)算機(jī)，移動(dòng)終端，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）執(zhí)行本申請(qǐng)各個(gè)實(shí)施例或者實(shí) 施例的某些部分所述的方法。 陽(yáng)143] 本說明書中的各個(gè)實(shí)施例采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同或相似的部 分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。本申請(qǐng)可用于眾 多通用或?qū)Ｓ玫挠?jì)算機(jī)系統(tǒng)環(huán)境或配置中。例如：個(gè)人計(jì)算機(jī)、服務(wù)器計(jì)算機(jī)、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(jì)算機(jī)、大型計(jì)算機(jī)、包括W上任何系統(tǒng)或設(shè)備的分布式計(jì)算環(huán)境等等。
[0144] 雖然通過實(shí)施例描繪了本申請(qǐng)，本鄰域普通技術(shù)人員知道，本申請(qǐng)有許多變形和 變化而不脫離本申請(qǐng)的精神，希望所附的權(quán)利要求包括運(yùn)些變形和變化而不脫離本申請(qǐng)的 精神。
【主權(quán)項(xiàng)】
1. 一種圖像區(qū)域檢測(cè)方法，其特征在于，所述方法包括： 計(jì)算得出待處理圖像像素點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇； 根據(jù)預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率，并基于所述聚簇概率計(jì)算所述聚簇中像素點(diǎn) 的像素概率； 基于所述像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)，獲取目標(biāo)區(qū)域。2. 如權(quán)利要求1所述的一種圖像區(qū)域檢測(cè)方法，其特征在于，所述計(jì)算得出待處理圖 像像素點(diǎn)的顏色特征包括： 如果所述待處理圖像不為L(zhǎng)ab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L(zhǎng)ab 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(diǎn)，將所述鄰域窗口中像 素點(diǎn)的L a、b S個(gè)通道分別分為K個(gè)分組，形成3體維的顏色特征向量； 將所述鄰域窗口中每個(gè)像素點(diǎn)在所述L a、b=個(gè)通道的顏色值累加到所述顏色特征 向量所對(duì)應(yīng)的維中，形成所述鄰域窗口中待處理像素點(diǎn)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(cè)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(cè)方法，其特征在于，所述按照預(yù)定規(guī)則計(jì)算 所述聚簇的聚簇概率包括： 計(jì)算所述聚簇中每個(gè)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(cè)方法，其特征在于，所述計(jì)算所述聚簇中每 個(gè)聚簇與其他聚簇的距離和包括： 采用下式計(jì)算所述聚簇中每個(gè)聚簇與其他聚簇的距離和D(Ci):上式中，L為聚簇的個(gè)數(shù)，M Cl, C, M為當(dāng)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(dāng)前聚簇Ci所包括的像素點(diǎn)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(cè)方法，其特征在于，所述基于所述聚簇概率 計(jì)算所述聚簇中像素點(diǎn)的像素概率包括： 所述聚簇中像素點(diǎn)的像素概率為該像素點(diǎn)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(cè)方法，其特征在于，所述基于所述聚簇概率 計(jì)算所述聚簇中像素點(diǎn)的像素概率包括： W待求像素點(diǎn)P為中屯、提取第一鄰域窗口 W(P)'的像素點(diǎn)，采用下式計(jì)算所述待求像 素點(diǎn)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(diǎn)q所屬聚簇的聚簇概率，t為待求像 素點(diǎn)P所屬的聚簇中像素點(diǎn)的個(gè)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(cè)方法，其特征在于，所述基于所述像素概率 對(duì)所述待處理圖像進(jìn)行檢測(cè)獲取目標(biāo)區(qū)域包括： 將所述待處理圖像中像素點(diǎn)的像素概率值符合判斷闊值PV要求的像素點(diǎn)作為所述待 處理圖像的目標(biāo)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(diǎn)作為種子像素點(diǎn)； W所述種子像素點(diǎn)為中屯、計(jì)算與周圍第二鄰域窗口中像素點(diǎn)的歐式距離； 將所述歐式距離小于第二闊值的像素點(diǎn)作為新的種子像素點(diǎn)； 遍歷所有所述種子像素點(diǎn)與周圍所述第二鄰域窗口中像素點(diǎn)的歐式距離并做出判斷， 將所述計(jì)算得出的種子像素點(diǎn)作為所述待處理圖像的目標(biāo)區(qū)域。9. 如權(quán)利要求8所述的一種圖像區(qū)域檢測(cè)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(cè)裝置，其特征在于，所述裝置包括： 特征計(jì)算模塊，用于計(jì)算得出待處理圖像像素點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇； 聚簇概率模塊，用于根據(jù)預(yù)定規(guī)則計(jì)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(jì)算所述聚簇中像素點(diǎn)的像素概率； 檢測(cè)模塊，用于基于所述像素概率對(duì)所述待處理圖像進(jìn)行檢測(cè)，獲取目標(biāo)區(qū)域。11. 如權(quán)利要求10所述的一種圖像區(qū)域檢測(cè)裝置，其特征在于，所述特征計(jì)算模塊包 括： 顏色特征模塊，用于計(jì)算所述待處理圖像像素點(diǎn)的顏色特征； 梯度特征模塊，用于計(jì)算所述待處理圖像像素點(diǎn)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(cè)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L(zhǎng)ab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(diǎn)，將所述鄰域窗口中像素點(diǎn)的L、a、b S個(gè)通道分別分為K個(gè)分組，形成3體維的顏色特征 向量； 特征計(jì)算模塊，用于將所述鄰域窗口中每個(gè)像素點(diǎn)在所述L a、b =個(gè)通道的顏色值累 加到所述顏色特征向量所對(duì)應(yīng)的維中，形成所述鄰域窗口中待處理像素點(diǎn)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(cè)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(cè)裝置，其特征在于，所述聚簇概率模塊包 括： 距離和計(jì)算模塊，用于計(jì)算所述聚簇中每個(gè)聚簇與其他聚簇的距離和； 聚簇概率計(jì)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(jì)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(cè)裝置，其特征在于，所述距離計(jì)算模塊計(jì) 算所述聚簇中每個(gè)聚簇與其他聚簇的距離和包括： 采用下式計(jì)算所述聚簇中每個(gè)聚簇與其他聚簇的距離和D(Ci):上式中，L為聚簇的個(gè)數(shù)，I I Cl, C, M為當(dāng)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(dāng)前聚簇Ci所包括的像素點(diǎn)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(cè)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(diǎn)所屬聚簇的聚簇概率作為該像素點(diǎn)的像素概率； 第二概率模塊，用于W待求像素點(diǎn)P為中屯、提取第一鄰域窗口 W(P)'的像素點(diǎn)，采用下 式計(jì)算所述待求像素點(diǎn)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(diǎn)q所屬的聚簇屬于主體區(qū)域的概率， t為待求像素點(diǎn)P所屬的聚簇中像素點(diǎn)的個(gè)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(cè)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(diǎn)的像素概率值符合判斷闊值PV要求 的像素點(diǎn)作為所述待處理圖像的目標(biāo)區(qū)域； 第二提取模塊，用于將所述待處理圖像中像素點(diǎn)屬于主體區(qū)域的概率值大于第一闊 值PF的像素點(diǎn)作為種子像素點(diǎn)；還用于W所述種子像素點(diǎn)為中屯、計(jì)算與周圍第二鄰域窗 口中像素點(diǎn)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(diǎn)作為新的種子像素 點(diǎn)；還用于遍歷所有所述種子像素點(diǎn)與周圍所述第二鄰域窗口中像素點(diǎn)的歐式距離并做出 判斷，將所述計(jì)算得出的種子像素點(diǎn)作為所述待處理圖像的目標(biāo)區(qū)域。18. 如權(quán)利要求17所述的一種圖像區(qū)域檢測(cè)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(cè)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(jì)算得出待處理圖像像素點(diǎn)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(duì)所述混合特征向量進(jìn)行聚類，獲取聚類后的聚簇；還用于根據(jù) 預(yù)定規(guī)則計(jì)算所述聚簇的聚簇概率，并基于所述聚簇概率計(jì)算所述聚簇中像素點(diǎn)的像素概 率. 輸出單元，用于基于所述像素概率對(duì)所述待處理圖像進(jìn)行獲取目標(biāo)區(qū)域，并將所述獲 取的目標(biāo)區(qū)域存儲(chǔ)或者展示于指定位置。
【文檔編號(hào)】G06T7/00GK105989594SQ201510075465
【公開日】2016年10月5日
【申請(qǐng)日】2015年2月12日
【發(fā)明人】石克陽(yáng)
【申請(qǐng)人】阿里巴巴集團(tuán)控股有限公司