一种图像处理方法、装置和计算设备与流程

技术特征：

1.一种图像处理方法，包括：

通过对待处理图像进行人脸检测和五官定位获得其中的人脸关键点；

根据所述人脸关键点找到待处理图像中的确定的头发区域和确定的非头发区域；

将待处理图像分割成多个超像素，其中每个超像素由多个颜色相似的像素构成；

计算不同超像素之间的连接力度w_n(i,j)；

分别根据所述确定的头发区域和非头发区域构建相应类别的概率模型；

根据所述概率模型计算每个超像素属于头发的概率P_hair(i)；

根据所述不同超像素之间的连接力度w_n(i,j)和每个超像素属于头发的概率P_hair(i)构建马尔可夫随机场；

计算所述马尔可夫随机场的最优解，确定每个超像素是否属于头发类。

2.如权利要求1所述的方法，其中所述根据人脸关键点找到待处理图像中的确定的头发区域和确定的非头发区域的步骤包括：

根据头发在人脸位置上的先验知识获取人脸颊附近的皮肤部分作为确定的非头发区域；以及以眉心为中心点，将额头外围的关键点向外扩张一定区域作为确定的头发区域。

3.如权利要求1所述的方法，其中所述计算不同超像素之间的连接力度w_n(i,j)的步骤包括根据不同超像素之间的颜色相似性计算连接力度，其中，

当超像素i和j不相邻时，连接力度w_n(i,j)＝0，否则其中c(i)＝[R_i,G_i,B_i]表示第i个超像素的颜色特征向量，σ是控制高斯函数形状的参数。

4.如权利要求1所述的方法，其中所述根据确定的头发区域和非头发区域构建相应类别的概率模型的步骤包括：

分别根据所述头发区域和非头发区域的超像素的特征向量构建“头发类”的混合高斯模型GMM_hair和“非头发类”的混合高斯模型GMM_non-hair，其中所述超像素的特征向量为该超像素所包含的像素的特征向量的均值。

5.如权利要求4所述的方法，其中所述超像素i的特征向量t(i)包括颜色特征向量c(i)和纹理特征向量，其中所述颜色特征为RGB三通道像素值，纹理特征为基于梯度的特征。

6.如权利要求5所述的方法，所述纹理特征为通过Gabor滤波器检测到的特征。

7.如权利要求4所述的方法，超像素i属于头发类的概率为P_hair(i)＝GMM_hair(t(i))/(GMM_hair(t(i))+GMM_non-hair(t(i)))。

8.如权利要求1所述的方法，其中所述计算马尔可夫随机场(MRF)的最优解的步骤包括：

为所述马尔可夫随机场的每个超像素赋予两种连接参数：nlink和tlink，其中

nlink表示不同超像素之间的连接，其连接的力度为所述计算出的w_n(i,j)；

tlink表示每个超像素属于不同类别的连接，其中属于“头发类”的tlink连接力度为属于“非头发类”的tlink连接力度为

9.一种图像处理装置，包括：

关键点获取模块，适于通过对待处理图像进行人脸检测和五官定位获得其中的人脸关键点；

区域确定模块，适于根据所述人脸关键点找到待处理图像中确定的头发区域和确定非头发区域；

超像素分割模块，适于将待处理图像分割成多个超像素，其中每个超像素由多个颜色相似的像素构成；

力度计算模块，适于计算不同超像素之间的连接力度w_n(i,j)；

模型构建模块，适于分别根据所述确定的头发区域和非头发区域构建相应类别的概率模型；

概率计算模块，适于根据所述概率模型计算每个超像素属于头发的概率P_hair(i)；

MRF构建模块，适于根据所述不同超像素之间的连接力度w_n(i,j)和每个超像素属于头发的概率P_hair(i)构建马尔可夫随机场MRF；

MRF求解模块，适于计算所述马尔可夫随机场的最优解，确定每个超像素是否属于头发类。

10.一种计算设备，包括如权利要求9所述的图像处理装置。