分类模型创建方法、图像分割方法及相关装置制造方法
【专利摘要】本公开实施例公开了一种分类模型创建方法、图像分割方法及装置，所述分类模型创建方法采用前景像素点的位置先验模型和颜色似然模型得到分类模型，利用所述分类模型能够自动确定图像中的前景样本像素点和背景样本像素点，用户不必执行指定前景和背景的操作，从而实现图像分割过程的自动化。而且，本公开的分类模型创建方法结合了前景像素点的空间位置信息及颜色特征信息，根据前景像素点的空间位置信息能够排除一些与前景像素点的颜色相同但不是前景的像素点，因此能够提高分割精度。
【专利说明】分类模型创建方法、图像分割方法及相关装置
【技术领域】
[0001] 本公开涉及图像处理【技术领域】，特别是涉及一种图像分割方法及相关装置。
【背景技术】
[0002] 图像分割是图像分析的关键步骤，利用创建的分类模型对图像中的像素点进行划 分，得到若干个特定的、具有独特性质的区域，并从若干个区域中提取出目标的过程。
[0003] 相关技术中的图像分割方法中的分类模型，不知道图像中的哪些像素点是前景像 素点（即，目标像素点），哪些像素点是背景像素点（即，非目标像素点）。因此，需要用户 指定图像中的前景像素点和背景像素点。然后，再根据前景像素点和背景像素点的颜色特 征向量，分别对前景和背景进行颜色建模，最后采用颜色模型对图像进行分割，最终得到前 景分割结果。此种分类模型必须由用户先选取图像中的前景和背景的样本像素点，依赖于 用户的操作，不是完全自动对图像进行分割。而且，此种分割方法的分类模型只考虑到了图 像像素的颜色特征，完全没有考虑其它信息，分割时参考的信息单一，导致分割精度较低。
【发明内容】
[0004] 为克服相关技术中存在的问题，本公开提供一种分类模型创建方法、图像分割方 法及相关装置。
[0005] 为了解决上述技术问题，本公开实施例公开了如下技术方案：
[0006] 根据本公开实施例的第一方面，提供一种分类模型创建方法，用于对图像进行分 害!]，所述方法包括：
[0007] 根据前景像素点与预设特征之间的位置关系，对样本图像训练得到前景像素点的 位置先验模型；
[0008] 根据所述前景像素点的位置先验模型，从样本图像中选取前景样本像素点和背景 样本像素点；
[0009] 根据所述前景样本像素点训练得到前景像素点的颜色似然模型，以及根据所述背 景样本像素点训练得到背景像素点的颜色似然模型；
[0010] 根据所述前景像素点的位置先验模型、所述前景像素点的颜色似然模型以及所述 背景像素点的颜色似然模型，得到图像的分类模型，所述分类模型用于确定待分割图像的 前景像素点和背景像素点。
[0011] 结合第一方面，在第一方面的第一种可能的实现方式中，所述根据前景像素点与 预设特征之间的位置关系，对样本图像训练得到前景像素点的位置先验模型，采用如下方 式：
[0012] 对全部的样本图像根据所述预设特征进行定位；
[0013] 根据定位结果，对样本图像进行归一化；
[0014] 计算归一化后的样本图像中的任意像素点是前景像素点的概率，得到前景像素点 的位置先验模型。
[0015] 结合第一方面，在第一方面的第二种可能的实现方式中，根据所述前景样本像素 点训练得到前景像素点的颜色似然模型，采用如下方式：
[0016] 根据颜色间的相似性，将前景样本像素点进行聚类，得到各个聚类结果的聚类中 心像素点；
[0017] 根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之 间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权 重，获取所述前景样本像素点对应的颜色特征向量的概率分布信息，得到所述前景像素点 的颜色似然模型。
[0018] 结合第一方面，在第一方面的第三种可能的实现方式中，所述根据所述背景样本 像素点训练得到背景像素点的颜色似然模型，采用如下方式：
[0019] 根据颜色间的相似性，将背景样本像素点进行聚类，得到各个聚类结果的聚类中 心像素点；
[0020] 根据背景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之 间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权 重，获取所述背景样本像素点对应的颜色特征向量的概率分布信息，得到所述背景像素点 的颜色似然模型。
[0021] 结合第一方面的第二种可能的实现方式，在第一方面的第四种可能的实现方式 中，所述根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之间 的距离，以及，聚类中心像素点的权重，获取所述前景样本像素点对应的颜色特征向量分布 信息，得到所述前景像素点的颜色似然模型，采用如下方式：
[0022] 获取各个聚类中心像素点的颜色特征向量之间的距离的平均值；
[0023] 根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之 间的距离与所述距离的平均值的商，以及所述聚类中心像素点的权重，利用相应的似然函 数，计算得到所述前景像素点的颜色似然模型。
[0024] 结合第一方面，在第一方面的第五种可能的实现方式中，根据所述前景像素点的 位置先验模型、所述前景像素点的颜色似然模型以及所述背景像素点的颜色似然模型，得 到图像的分类模型，采用如下方式：
[0025] 获取前景像素点的位置先验模型与前景像素点的颜色似然模型的乘积，得到前景 分类模型；
[0026] 根据前景像素点的位置先验模型得到背景像素点的位置先验模型；
[0027] 获取背景像素点的位置先验模型与背景像素点的颜色似然模型的乘积，得到背景 分类模型。
[0028] 根据本公开实施例的第二方面，提供一种图像分割方法，包括：
[0029] 利用上述的任一种分类模型创建方法得到的分类模型，确定待分割图像中的全部 前景像素点和背景像素点；
[0030] 将所述待分割图像中全部的前景像素点所在的区域作为分割结果。
[0031] 根据本公开实施例的第三方面，提供一种分类模型创建装置，用于对图像进行分 害I]，所述装置包括：
[0032] 位置先验模型建立单元，用于根据前景像素点与预设特征之间的位置关系，对样 本图像训练得到前景像素点的位置先验模型；
[0033] 样本像素点提取单元，用于根据所述前景像素点的位置先验模型，从样本图像中 选取前景样本像素点和背景样本像素点；
[0034] 第一似然模型训练单元，用于根据所述前景样本像素点训练得到前景像素点的颜 色似然模型；
[0035] 第二似然模型训练单元，用于根据所述背景样本像素点训练得到背景像素点的颜 色似然模型；
[0036] 分类模型确定单元，用于根据所述前景像素点的位置先验模型、所述前景像素点 的颜色似然模型以及所述背景像素点的颜色似然模型，得到图像的分类模型，所述分类模 型用于确定待分割图像的前景像素点和背景像素点。
[0037] 结合第三方面，在第三方面的第一种可能的实现方式中，所述位置先验模型建立 单元包括：
[0038] 图像定位子单元，用于对全部的样本图像根据所述预设特征进行定位；
[0039] 归一化子单元，用于根据定位结果，对样本图像进行归一化；
[0040] 第一计算子单元，用于计算归一化后的样本图像中的任意像素点是前景像素点的 概率，得到前景像素点的位置先验模型。
[0041] 结合第三方面，在第三方面的第二种可能的实现方式中，所述第一颜色似然模型 训练单元包括：
[0042] 第一聚类子单元，用于根据颜色间的相似性，将前景样本像素点进行聚类，得到各 个聚类结果的聚类中心像素点；
[0043] 第一获取子单元，用于根据前景样本像素点的颜色特征向量到各个聚类中心像素 点的颜色特征向量之间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚 类中心像素点的权重，获取所述前景样本像素点对应的颜色特征向量的概率分布信息，得 到所述前景像素点的颜色似然模型。
[0044] 结合第三方面，在第三方面的第三种可能的实现方式中，所述第二颜色似然模型 训练单元包括：
[0045] 第二聚类子单元，用于根据颜色间的相似性，将背景样本像素点进行聚类，得到各 个聚类结果的聚类中心像素点；
[0046] 第二获取子单元，用于根据背景样本像素点的颜色特征向量到各个聚类中心像素 点的颜色特征向量之间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚 类中心像素点的权重，获取所述背景样本像素点对应的颜色特征向量的概率分布信息，得 到所述背景像素点的颜色似然模型。
[0047] 结合第三方面的第二种可能的实现方式，在第三方面的第四种可能的实现方式 中，所述第一获取子单元包括：
[0048] 第三获取子单元，用于获取各个聚类中心像素点的颜色特征向量之间的距离的平 均值；
[0049] 第二计算子单元，用于根据前景样本像素点的颜色特征向量到各个聚类中心像素 点的颜色特征向量之间的距离与所述距离的平均值之间的商，以及所述聚类中心像素点的 权重，利用相应的似然函数，计算得到所述前景像素点的颜色似然模型。
[0050] 结合第三方面，在第三方面的第五种可能的实现方式中，所述分类模型确定单元 包括：
[0051] 前景分类模型建立子单元，用于获取前景像素点的位置先验模型与前景像素点的 颜色似然模型的乘积，得到前景分类模型；
[0052] 第四获取子单元，用于根据前景像素点的位置先验模型得到背景像素点的位置先 验模型；
[0053] 背景分类模型建立子单元，用于获取背景像素点的位置先验模型与背景像素点的 颜色似然模型的乘积，得到背景分类模型。
[0054] 根据本公开实施例的第四方面，提供一种图像分割装置，包括：
[0055] 确定单元，利用上述任一种分类模型创建装置得到的分类模型，确定带分割图像 中的全部前景像素点；
[0056] 分割单元，用于将所述待分割图像中全部的前景像素点所在的区域作为分割结 果。
[0057] 根据本公开实施例的第五方面，提供一种终端设备，包括：处理器；用于存储处理 器可执行指令的存储器；其中，所述处理器被配置为：
[0058] 根据前景像素点与预设特征之间的位置关系，对样本图像训练得到前景像素点的 位置先验模型；
[0059] 根据所述前景像素点的位置先验模型，从样本图像中选取前景样本像素点和背景 样本像素点；
[0060] 根据所述前景样本像素点训练得到前景像素点的颜色似然模型，以及根据所述背 景样本像素点训练得到背景像素点的颜色似然模型；
[0061] 根据所述前景像素点的位置先验模型、所述前景像素点的颜色似然模型以及所述 背景像素点的颜色似然模型，得到图像的分类模型，所述分类模型用于确定待分割图像的 前景像素点和背景像素点。
[0062] 根据本公开实施例的第六方面，提供一种终端设备，包括：处理器；用于存储处理 器可执行指令的存储器；其中，所述处理器被配置为：
[0063] 利用上述任一项分类模型创建方法得到的分类模型，确定待分割图像中的全部前 景像素点和背景像素点；
[0064] 将所述待分割图像中全部的前景像素点所在的区域作为分割结果。
[0065] 本公开的实施例提供的技术方案可以包括以下有益效果：所述分类模型创建方法 利用前景像素点与图像中的预设特征之间的位置关系，训练得到前景像素点的位置先验模 型；然后，根据前景像素点的位置先验模型，从样本图像中自动选取前景样本像素点和背景 样本像素点；根据前景样本像素点训练得到前景像素点的颜色似然模型，以及根据背景样 本像素点训练得到背景像素点的颜色似然模型。最终，根据贝叶斯原理将前景像素点的位 置先验模型、前景像素点的颜色似然模型得到分类模型。后续可以直接利用利用分类模型 对待分割图像进行分割，得到分割结果。
[0066] 本公开提供的分类模型创建方法根据前景像素点的位置先验模型和颜色似然模 型获得分类模型，利用分类模型能够自动确定图像中的前景样本像素点和背景样本像素 点，用户不必执行指定前景和背景的操作，从而实现图像分割过程的自动化。而且，本公开 的分类模型创建方法结合了前景像素点的空间位置信息及颜色特征信息，根据前景像素点 的空间位置信息能够排除一些与前景像素点的颜色相同但不是前景的像素点，因此能够提 高分割精度。
[0067] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本 公开。
【专利附图】
【附图说明】
[0068] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施 例，并与说明书一起用于解释本发明的原理。
[0069] 图1是根据一示例性实施例示出的一种分类模型创建方法的流程图。
[0070] 图2是根据一示例性实施例示出的一种获得前景像素点的位置先验模型的方法 流程图。
[0071] 图3是根据一示例性实施例示出的一种建立颜色似然模型的方法流程图。
[0072] 图4是根据一示例性实施例示出的一种图像分割方法的流程图。
[0073] 图5是根据一示例性实施例示出的一种分类模型创建装置的框图。
[0074] 图6是根据一示例性实施例示出的图像分割装置的框图。
[0075] 图7是根据一示例性实施例示出的一种装置的框图。
[0076] 图8是根据一示例性实施例示出的另一种装置的框图。
[0077] 通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图 并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术 人员说明本公开的概念。
【具体实施方式】
[0078] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及 附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例 中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附 权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0079] 图1是根据一示例性实施例示出的一种分类模型创建方法的流程图，如图1所示， 所述分类模型创建方法应用于终端或服务器中，本公开实施例以人脸图像中的头发分割为 例进行说明。所述方法可以包括以下步骤：
[0080] 在步骤S110中，根据前景像素点与预设特征之间的位置关系，对样本图像训练得 到前景像素点的位置先验模型。
[0081] 人脸图像中的头发分割方法，头发的像素点是前景像素点，图像中的其它像素点 为背景像素点。人脸图像中的头发总是长在眼睛上方的位置空间，利用这一先验信息对正 面人脸的样本图像进行训练建立头发的位置先验模型，对样本图像内的任意像素点，计算 出该像素点出现头发的先验概率是该点被标定成头发的频率，即得到头发的位置先验模 型。
[0082] 在步骤S120中，根据所述前景像素点的位置先验模型，从样本图像中选取前景样 本像素点和背景样本像素点。
[0083] 有了头发的位置先验模型，假设前景的概率阈值是0.8,背景的概率阈值是0.2。 利用头发位置先验模型，计算样本图像中像素点是前景像素点的概率，如果计算得到的概 率不小于0.8，则认为该像素点是前景像素点；否则，认为该像素点是背景像素点。
[0084] 在步骤S130中，根据所述前景样本像素点训练得到前景像素点的颜色似然模型， 以及根据所述背景样本像素点训练得到背景像素点的颜色似然模型。
[0085] 根据颜色间的相似性，将前景样本像素点进行聚类，颜色相似的像素点聚为一个 簇，进而得到各个簇的聚类中心像素点的颜色特征向量；然后，得到前景样本像素点的颜色 特征向量到各个聚类中心像素点的颜色特征向量之间距离（例如，欧式距离）；并计算聚类 中心像素点的权重，得到前景样本像素点的颜色似然模型。
[0086] 背景样本像素点的颜色似然模型与前景样本像素点的颜色似然模型的建立过程 相同，此处不再赘述。
[0087] 在步骤S140中，根据所述前景像素点的位置先验模型、所述前景像素点的颜色似 然模型以及所述背景像素点的颜色似然模型，得到图像的分类模型，所述分类模型用于确 定待分割图像的前景像素点和背景像素点。
[0088] 有了头发的位置先验模型和前景、背景像素点的颜色似然模型，根据贝叶斯后验 概率理论，在已知像素点颜色特征向量值的情况下，得到后验模型即最终的分类模型。
[0089] 本实施例提供的分类模型创建方法，采用前景像素点的位置先验模型，可以自动 确定图像中的前景样本像素点和背景样本像素点，用户不必进行指定前景和背景的操作， 从而实现图像分割过程的自动化。而且，本公开的分类模型创建方法结合了前景像素点的 空间位置信息及颜色特征信息，根据前景像素点的空间位置信息能够排除一些与前景像素 点的颜色相同但不是前景的像素点，因此能够提高分割精度。
[0090] 图2是根据一示例性实施例示出的一种获得前景像素点的位置先验模型的方法 流程图，本实施例以正面人脸图像的头发分割过程为例进行说明。如图2所示，所述方法可 以包括步骤：
[0091] 在步骤S111中，对全部的样本图像根据所述预设特征进行定位。
[0092] 前景像素点是头发像素点，预设特征是眼睛。
[0093] 假设训练库中有1000张正面人脸的样本图像，1000张正面人脸样本图像的男女 比例尽量保持在1 :1左右，年龄在20?40左右。在离线训练过程中，需要手工标定这1000 张样本图像的头发区域，标定的图像以二值图像方式存储。这1000张样本图像的人脸检测 和人眼定位结果都正确是保证头发的位置先验模型创建正确的前提条件。
[0094] 有了 1000张样本图像及样本图像的头发标定图像，首先对每一张样本图像的眼 睛进行定位，根据眼睛的定位结果。
[0095] 在步骤S112中，根据定位结果，对样本图像进行归一化。
[0096] 根据眼睛定位结果，将头发标定图像进行对齐，并将头发标定图像归一化到一个 400*400的模板内，即以头发标定图像中的眼睛为中心进行对齐，并归一化。
[0097] 在步骤S113中，计算归一化后的样本图像中的任意像素点是前景像素点的概率， 得到前景像素点的位置先验模型。
[0098] 对于归一化后的样本图像内的任意像素点（Xi，yi)，则该像素点出现头发的先验概 率是该像素点被标定成头发的频率，因此，定义头发的位置先验模型如公式1所示：
[0099]
【权利要求】
1. 一种分类模型创建方法，用于对图像进行分割，其特征在于，所述方法包括： 根据前景像素点与预设特征之间的位置关系，对样本图像训练得到前景像素点的位置 先验模型； 根据所述前景像素点的位置先验模型，从样本图像中选取前景样本像素点和背景样本 像素点； 根据所述前景样本像素点训练得到前景像素点的颜色似然模型，以及根据所述背景样 本像素点训练得到背景像素点的颜色似然模型； 根据所述前景像素点的位置先验模型、所述前景像素点的颜色似然模型以及所述背景 像素点的颜色似然模型，得到图像的分类模型，所述分类模型用于确定待分割图像的前景 像素点和背景像素点。
2. 根据权利要求1所述的方法，其特征在于，所述根据前景像素点与预设特征之间的 位置关系，对样本图像训练得到前景像素点的位置先验模型，采用如下方式： 对全部的样本图像根据所述预设特征进行定位； 根据定位结果，对样本图像进行归一化； 计算归一化后的样本图像中的任意像素点是前景像素点的概率，得到前景像素点的位 置先验模型。
3. 根据权利要求1所述的方法，其特征在于，根据所述前景样本像素点训练得到前景 像素点的颜色似然模型，采用如下方式： 根据颜色间的相似性，将前景样本像素点进行聚类，得到各个聚类结果的聚类中心像 素点； 根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之间的 距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权重，获 取所述前景样本像素点对应的颜色特征向量的概率分布信息，得到所述前景像素点的颜色 似然模型。
4. 根据权利要求1所述的方法，其特征在于，所述根据所述背景样本像素点训练得到 背景像素点的颜色似然模型，采用如下方式： 根据颜色间的相似性，将背景样本像素点进行聚类，得到各个聚类结果的聚类中心像 素点； 根据背景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之间的 距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权重，获 取所述背景样本像素点对应的颜色特征向量的概率分布信息，得到所述背景像素点的颜色 似然模型。
5. 根据权利要求3所述的方法，其特征在于，所述根据前景样本像素点的颜色特征向 量到各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中心像素点的权重，获取 所述前景样本像素点对应的颜色特征向量分布信息，得到所述前景像素点的颜色似然模 型，采用如下方式： 获取各个聚类中心像素点的颜色特征向量之间的距离的平均值； 根据前景样本像素点的颜色特征向量到各个聚类中心像素点的颜色特征向量之间的 距离与所述距离的平均值的商，以及所述聚类中心像素点的权重，利用相应的似然函数，计 算得到所述前景像素点的颜色似然模型。
6. 根据权利要求1所述的方法，其特征在于，根据所述前景像素点的位置先验模型、 所述前景像素点的颜色似然模型以及所述背景像素点的颜色似然模型，得到图像的分类模 型，采用如下方式： 获取前景像素点的位置先验模型与前景像素点的颜色似然模型的乘积，得到前景分类 模型； 根据前景像素点的位置先验模型得到背景像素点的位置先验模型； 获取背景像素点的位置先验模型与背景像素点的颜色似然模型的乘积，得到背景分类 模型。
7. -种图像分割方法，其特征在于，包括： 利用权利要求1-6任一项方法得到的分类模型，确定待分割图像中的全部前景像素点 和背景像素点； 将所述待分割图像中全部的前景像素点所在的区域作为分割结果。
8. -种分类模型创建装置，用于对图像进行分割，其特征在于，所述装置包括： 位置先验模型建立单元，用于根据前景像素点与预设特征之间的位置关系，对样本图 像训练得到前景像素点的位置先验模型； 样本像素点提取单元，用于根据所述前景像素点的位置先验模型，从样本图像中选取 前景样本像素点和背景样本像素点； 第一似然模型训练单元，用于根据所述前景样本像素点训练得到前景像素点的颜色似 然模型； 第二似然模型训练单元，用于根据所述背景样本像素点训练得到背景像素点的颜色似 然模型； 分类模型确定单元，用于根据所述前景像素点的位置先验模型、所述前景像素点的颜 色似然模型以及所述背景像素点的颜色似然模型，得到图像的分类模型，所述分类模型用 于确定待分割图像的前景像素点和背景像素点。
9. 根据权利要求8所述的装置，其特征在于，所述位置先验模型建立单元包括： 图像定位子单元，用于对全部的样本图像根据所述预设特征进行定位； 归一化子单元，用于根据定位结果，对样本图像进行归一化； 第一计算子单元，用于计算归一化后的样本图像中的任意像素点是前景像素点的概 率，得到前景像素点的位置先验模型。
10. 根据权利要求8所述的装置，其特征在于，所述第一颜色似然模型训练单元包括： 第一聚类子单元，用于根据颜色间的相似性，将前景样本像素点进行聚类，得到各个聚 类结果的聚类中心像素点； 第一获取子单元，用于根据前景样本像素点的颜色特征向量到各个聚类中心像素点的 颜色特征向量之间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中 心像素点的权重，获取所述前景样本像素点对应的颜色特征向量的概率分布信息，得到所 述前景像素点的颜色似然模型。
11. 根据权利要求8所述的装置，其特征在于，所述第二颜色似然模型训练单元包括： 第二聚类子单元，用于根据颜色间的相似性，将背景样本像素点进行聚类，得到各个聚 类结果的聚类中心像素点； 第二获取子单元，用于根据背景样本像素点的颜色特征向量到各个聚类中心像素点的 颜色特征向量之间的距离、各个聚类中心像素点的颜色特征向量之间的距离，以及，聚类中 心像素点的权重，获取所述背景样本像素点对应的颜色特征向量的概率分布信息，得到所 述背景像素点的颜色似然模型。
12. 根据权利要求10所述的装置，其特征在于，所述第一获取子单元包括： 第三获取子单元，用于获取各个聚类中心像素点的颜色特征向量之间的距离的平均 值； 第二计算子单元，用于根据前景样本像素点的颜色特征向量到各个聚类中心像素点 的颜色特征向量之间的距离与所述距离的平均值之间的商，以及所述聚类中心像素点的权 重，利用相应的似然函数，计算得到所述前景像素点的颜色似然模型。
13. 根据权利要求8所述的装置，其特征在于，所述分类模型确定单元包括： 前景分类模型建立子单元，用于获取前景像素点的位置先验模型与前景像素点的颜色 似然模型的乘积，得到前景分类模型； 第四获取子单元，用于根据前景像素点的位置先验模型得到背景像素点的位置先验模 型； 背景分类模型建立子单元，用于获取背景像素点的位置先验模型与背景像素点的颜色 似然模型的乘积，得到背景分类模型。
14. 一种图像分割装置，其特征在于，包括： 确定单元，利用权利要求8-13任一种分类模型创建装置得到的分类模型，确定带分割 图像中的全部前景像素点； 分割单元，用于将所述待分割图像中全部的前景像素点所在的区域作为分割结果。
15. -种终端设备，其特征在于，包括： 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为： 根据前景像素点与预设特征之间的位置关系，对样本图像训练得到前景像素点的位置 先验模型； 根据所述前景像素点的位置先验模型，从样本图像中选取前景样本像素点和背景样本 像素点； 根据所述前景样本像素点训练得到前景像素点的颜色似然模型，以及根据所述背景样 本像素点训练得到背景像素点的颜色似然模型； 根据所述前景像素点的位置先验模型、所述前景像素点的颜色似然模型以及所述背景 像素点的颜色似然模型，得到图像的分类模型，所述分类模型用于确定待分割图像的前景 像素点和背景像素点。
16. 一种终端设备，其特征在于，包括： 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为： 利用上述任一项分类模型创建方法得到的分类模型，确定待分割图像中的全部前景像 素点和背景像素点； 将所述待分割图像中全部的前景像素点所在的区域作为分割结果。
【文档编号】G06T7/00GK104063865SQ201410299813
【公开日】2014年9月24日 申请日期:2014年6月27日 优先权日:2014年6月27日
【发明者】王琳, 臧虎, 陈志军 申请人:小米科技有限责任公司