CN102779326B - 一种数字伪装图像生成方法 - Google Patents

Abstract

本发明公开了一种数字伪装图像生成方法，步骤如下：前景图像中选取伪装区域放入背景图像；对伪装区域和背景图像进行二尺度分解处理；对伪装区域进行边缘提取和结构性边缘识别，得到重要结构特征边缘；对重要结构特征边缘中的长边缘进行膨胀和分段处理，得到非连续的结构重要性边缘约束映射图；定义伪装区域大尺度层梯度的梯度约束；依据结构重要性边缘约束映射图及梯度约束，将伪装区域的大尺度层和背景图像的大尺度层进行非线性融合；将伪装区域的细节层和背景图像的细节层进行混合；将结果图像的大尺度层和结果图像的细节层进行叠加，并结合背景图像的色彩通道得到伪装图像。本发明数字伪装图像生成方法，算法明确，界面友好，结果逼真。

Description

一种数字伪装图像生成方法

技术领域

本发明涉及计算机图像处理技术领域，具体涉及一种数字伪装图像生成方法。

背景技术

伪装图像是一种典型的视错觉娱乐艺术，它非常特别又极富魅力。在一幅伪装图像中通常隐藏了一个或多个物体，当人们在观察这类图像时，通常首先感知到整个图像的主要特征，然而经过更加仔细的观察场景特征后，人们通常会识别出场景中隐藏了其他的物体。

现实中的伪装图像通常由艺术家手工创作而成，艺术家首先勾画出整幅图像场景和被隐藏物体的结构线条，在此基础上不断增加纹理细节，从而达到隐藏物体的效果。与艺术家创作过程相似，在伪装图像的绘制中，我们分别处理物体的结构线条即大尺度层和纹理细节即细节层。由艺术家创作的伪装图像在伪装区域通常具有和谐的色彩和亮度，而它隐藏的物体一般仅留下用于视觉感知的全局特征，如结构性边缘。艺术家创作一幅视错觉图像通常是一个非常专业、耗时和繁琐的过程，这对于绘画技巧较弱的人来说非常困难。

为了解决这一问题，在计算机图形学领域研究者们设计开发了一些用于设计和创作视错觉图像的自动生成工具，追求最真实的视错觉绘制效果，但对于自动伪装图像的生成方法关注甚少。

Oliva等人基于多尺度混合技术提出了一种生成混合图像(hybridimages)的方法，参见Oliva A.，Torralba A.，Schyns P. G.：Hybrid images.ACM Transactions on Graphics 25(3)，527-532(2006)。该方法利用多尺度技术对图像进行分解，通过混合不同频域的图像生成最终的混合图像。随着观察距离的变化，观察者可以感知到不同的图像。

Yoon等人基于旋转不变性的形体匹配模型提出了一个隐藏图像生成器，参见Yoon J.C.，Lee I.K.，Kang H.：A hidden-picture puzzles generator.Computer Graphics Forum 27(7)，1869-1877(2008)。

Mitra等人提出了一种从给定场景中生成浮现图像(emerging images)的合成技术，参见Mitra N.J.，Chu H.K.，Lee T.Y.，Wolf L.，Yeshurun H.，Cohen-or D.：Emerging images.ACM Transactions on Graphics 28(5)，163：1-163：8(2009)。

基于纹理合成的算法是伪装图像生成的一种主要方法，这种方法将研究重点放在亮度匹配、亮度优化以及纹理合成的建模上，它利用这些模型建立一个自动合成伪装图像的系统。这种方法尝试在计算机上生成逼真的自然图像的伪装效果。Chu等人基于亮度优化和纹理合成技术提出了一种应用于自然图像的伪装图像合成系统，参见Chu H.K.，Hsu W. H.，Mitra N.J.，Cohen-or D.，Wong T.T.，Lee T.Y.：Camouflage images.ACM Tran sactions onGraphics 29(4)，51：1-51：8(2010)。它生成的伪装图像有较好的视觉效果，可以创造出高质量的图像，但是该方法有个缺点，即在对亮度对比度较低的前景物体进行伪装时，生成的伪装效果较差，视觉特征非常明显，完全达不到伪装效果。

另外一种生成伪装图像的方法是基于图像融合的算法，为了生成伪装图像，这类方法首先将前景物体与背景图像的边缘进行形状匹配，在背景图像中找到适当的位置进行伪装，然后使用泊松图像融合技术将前景物体与背景图像进行混合。Tong等人基于边缘匹配技术和图像融合技术提出了一种伪装图像的生成方法，参见Tong Q.，Zhang S.H.，Hu S.M.，Martin R.R.：Hidden images.In NPAR’2011：Proceedings of the ACMSIGGRAPH/Eurographics Symposium on Non-Photorealistic Animation andRendering，27-34(2011)。这种方法可以自动在背景图像中找到最佳的前景物体隐藏位置和方向，且它生成的伪装图像通常具有无缝边界。但是，该方法可能会导致前景物体或者背景图像在进行伪装处理后，伪装区域内的纹理细节变得较为模糊，从而产生明显的瑕疵。

基于上述两种方法的缺点以及图像伪装在防伪领域潜在应用的需要，希望能够开发出一种新的具有良好伪装效果的数字伪装图像生成方法。

发明内容

本发明提供了一种简单直观的数字伪装图像生成方法，有效解决了图像边缘操作时出现的光晕问题，得到接近真实的伪装图像，符合人类视觉感知的特点。

一种数字伪装图像生成方法，包括以下步骤：

(1)分别输入前景图像和背景图像，用户任意选取前景图像中一封闭区域作为伪装区域；

(2)对伪装区域和背景图像分别进行二尺度分解处理，得到各自的大尺度层和细节层；

(3)对伪装区域进行边缘提取和结构性边缘识别，计算得到重要结构特征边缘；

(4)选取重要结构特征边缘中的长边缘进行膨胀和分段处理，得到非连续的结构重要性边缘约束映射图；

(5)计算伪装区域的大尺度层梯度，依据梯度分布定义梯度约束；

(6)依据所述结构重要性边缘约束映射图及梯度约束，将伪装区域的大尺度层和背景图像的大尺度层进行非线性融合，得到结果图像的大尺度层；

(7)将伪装区域的细节层和背景图像的细节层进行混合，得到结果图像的细节层；

(8)将结果图像的大尺度层和结果图像的细节层进行叠加，并结合背景图像的色彩通道得到伪装图像。

所述的前景图像和背景图像均为CIE RGB颜色空间的图像，用户用画笔在前景图像中选取需要进行伪装的物体区域，即伪装区域，该伪装区域需为一封闭区域。

作为优选，所述的对伪装区域和背景图像分别进行二尺度分解处理，得到各自的大尺度层和细节层的方法如下：将伪装区域和背景图像的CIERGB颜色空间变换至CIE-Lab颜色空间，得到亮度通道和色彩通道，在亮度通道上运用边缘感知滤波器，分别得到伪装区域和背景图像的大尺度层，分别用伪装区域和背景图像的亮度通道减去各自对应的大尺度层即得到相应的细节层。

大尺度层也即图像的结构层，在亮度通道上利用边缘感知的滤波器实现大尺度层和细节层的分离，即在亮度通道上运用边缘保护的平滑操作得到大尺度层，然后用亮度通道减去大尺度层得到细节层。

所述的边缘感知滤波器为Guided滤波器，该滤波器的输出结果受两个参数影响，即窗户半径r和规则化参数ε，默认情况下，窗口半径r被设定为2，规则化参数ε＝0.01(参见Kaiming He，Jian Sun，Xiaoou Tang：Guided Image Filtering，ECCV2010.)。

作为优选，所述对伪装区域进行边缘提取和结构性边缘识别，计算得到重要结构特征边缘的方法如下：使用Canny边缘检测算子找出伪装区域的边缘，在高斯尺度空间内计算每条边缘的生命值，基于该生命值创建边缘映射图，依据指定阈值，将所述边缘映射图进行二值化处理，得到对应的二进制掩膜。

伪装区域的边缘即伪装区域内物体的边缘，在高斯尺度空间内计算每条边缘的生命值lifetime，该生命值作为边缘结构特征重要性的度量。基于所述生命值，建立边缘映射图，依据阈值τ，将边缘映射图进行二值化处理，得到对应的掩膜，即依据阈值τ，将边缘映射图转换为一个二进制掩膜M(x，y)，用于表示结构重要的边缘。默认情况下τ取值为h为分解的尺度空间层数。

作为优选，所述选取重要结构特征边缘中的长边缘进行膨胀和分段处理，得到非连续的结构重要性边缘约束映射图的方法如下：设定边缘长度门限，所述二进制掩膜中长度大于等于该边缘长度门限的边缘即为长边缘，对这些长边缘做窗口膨胀处理，得到膨胀后的掩膜；在所述长边缘上随机洒采样点，所述采样点将长边缘分为若干短边缘，同时将膨胀后的掩膜分为若干膨胀边缘片，用户选择去除某一比例的短边缘，根据剩余短边缘和相应的膨胀边缘片，利用下式计算得到结构重要性边缘约束映射图w：

$w\left(p\right)=\left\{\begin{array}{cc}\max (\mathrm{\κ}+(1-\mathrm{\κ})e^{\frac{-{(p-q)}^2}{2{\mathrm{\σ}}^2}})& \mathrm{if}{E}_i\mathrm{is\; hit}\\ \max \left(\mathrm{\κ}(1-e^{\frac{-{(p-q)}^2}{2{\mathrm{\σ}}^2}})\right)& \mathrm{otherwise}\end{array}\right.$

式中p表示每个膨胀边缘片里的像素坐标；

E_i表示短边缘，在E_i被选中去除时，使用上述方程中第一式计算；

i表示短边缘序号；

q表示相应的短边缘E_i的像素坐标；

κ表示伪装区域的伪装程度；

σ²为min(width，height)/25，其中width和height分别表示伪装区域的宽度和高度。

遍历所有膨胀边缘片里的像素坐标，计算得到结构重要性边缘约束映射图w。

所述去除的短边缘的比例由用户设定，系统依据设定的比例随机选择去除短边缘，并尽可能保证被去除的短边缘分布在不同的长边缘上。

作为优选，所述的计算伪装区域的大尺度层梯度，依据梯度分布定义伪装区域的梯度约束μ的算法如下： ${\mathrm{\σ}}_2^2=\mathrm{mean}{\left({\left|\right|\▿S\left|\right|}^2\right)}_{\mathrm{\Ω}};$

式中β表示梯度约束参数值；

w表示结构重要性边缘约束映射图；

表示伪装区域物体大尺度层梯度幅值；

表示伪装区域大尺度层梯度幅值的平均值；

Ω表示伪装区域。

所述β表示梯度约束参数值，系统默认为0.3。引入伪装区域大尺度层的梯度约束，可以消除结果图像大尺度层中长边缘附近的光晕瑕疵。

作为优选，所述依据所述结构重要性边缘约束映射图及梯度约束，将伪装区域的大尺度层和背景图像的大尺度层进行非线性融合，得到结果图像的大尺度层的方法如下：设定一个如下能量函数，并求解能量函数最小值，得到结果图像的大尺度层，

$\underset{m\∈\mathrm{\Ω}}{\mathrm{\Σ}}w{(B\left(m\right)-T\left(m\right))}^2+(1-w){|\▿B\left(m\right)-\mathrm{\μ}\·g\left(m\right)|}^2\mathrm{with\; B}{|}_{\∂\mathrm{\Ω}}=T{|}_{\∂\mathrm{\Ω}};$

式中m表示伪装区域的像素坐标；

w表示结构重要性边缘约束映射图；

B(m)表示像素m所对应的结果图像的大尺度层的值；

T(m)表示像素m所对应的背景图像的大尺度层的值；

表示梯度算子；

表示结果图像的大尺度层的梯度；

μ表示伪装区域的梯度约束；

Ω表示伪装区域；

表示伪装区域的边界(对应若干坐标值)；

表示在伪装区域边界处，结果图像的大尺度层的值等于背景图像的大尺度层的值，仅在符合该条件时，计算能量函数的值；

g表示梯度场，定义如下：

$g=\left\{\begin{array}{cc}\▿T& \mathrm{if}\▿T>\▿S\\ \▿S& \mathrm{otherwise}\end{array}\right.$

式中表示背景图像大尺度层的梯度场；

表示伪装区域大尺度层的梯度场。

作为优选，所述将伪装区域的细节层和背景图像的细节层进行混合，得到结果图像的细节层的算法如下：D＝D_B+t·D_F

式中D表示结果图像的细节层的值；

D_B表示背景图像的细节层的值；

D_F表示伪装区域的细节层的值；

t表示伪装区域的细节层在结果图像细节层中的贡献程度，定义如下：

$t=\left\{\begin{array}{cc}\mathrm{\α}& \mathrm{if\; w}=\mathrm{\κ}\\ (1-w)\mathrm{\α}& \mathrm{otherwise}\end{array}\right.$

α表示用户设定的伪装区域细节层在结果图像中的贡献程度；

w表示结构重要性边缘约束映射图；

κ表示伪装区域的伪装程度。

所述t决定了伪装区域细节层在结果图像细节层中的贡献程度，可由系统自动给定，也可由用户设定，κ表示伪装区域的伪装程度，可由用户给定。

作为优选，所述将结果图像的大尺度层和结果图像的细节层进行叠加，并结合背景图像的色彩通道得到伪装图像的方法如下：结果图像的亮度通道由L＝B+D计算得到，其中L表示结果图像亮度通道，B表示结果图像大尺度层的值，D表示结果图像的细节层的值，然后使用R＝Lab2RGB(L，a，b)将结果图像由CIE-Lab颜色空间变换至CIE RGB颜色空间，其中，L表示结果图像亮度通道，a和b表示背景图像色彩通道，即得所述伪装图像。

本发明数字伪装图像生成方法，基于人类视觉感知特点，根据用户的输入图像及选择的伪装区域自动生成数字伪装图像，算法明确，界面友好，结果逼真，达到了很好的伪装效果，可用于防伪等领域。

附图说明

图1为本发明一种数字伪装图像生成方法的技术方案流程图。

具体实施方式

下面结合附图，对本发明一种数字伪装图像生成方法进行详细说明，本发明可以在普通家用电脑中进行。

如图1所示，一种数字伪装图像生成方法，包括输入前景图像和背景图像，用户选择伪装区域，对选择的伪装区域及背景图像分离出亮度通道，并对各自的亮度通道进行二尺度分解，得到伪装区域的大尺度层和细节层以及背景图像的大尺度层和细节层；在高斯尺度空间得到表示重要结构结构特征的边缘，选取重要结构特征边缘中的长边缘进行膨胀和分段处理，得到非连续的结构重要性边缘约束映射图；计算伪装区域的大尺度层梯度，依据梯度分布定义梯度约束；依据所述结构重要性边缘约束映射图及梯度约束，将伪装区域的大尺度层和背景图像的大尺度层进行非线性融合，得到结果图像的大尺度层；将伪装区域的细节层和背景图像的细节层进行混合，得到结果图像的细节层；将结果图像的大尺度层和结果图像的细节层进行叠加，并结合背景图像的色彩通道得到伪装图像。

具体步骤如下：

(1)用户根据系统对话框提示选择输入待处理的前景图像和背景图像，用户在显示的前景图像上用画笔勾选出需要进行隐藏的物体区域即伪装区域，然后在显示的背景图像中用鼠标单击，先前选中的前景物体区域即伪装区域被放至背景图像中，用户移动该伪装区域至目标位置；

前景图像和背景图像均为CIE RGB颜色空间的图像，用户用画笔选取的伪装区域需为一封闭区域。

(2)对伪装区域和背景图像分别进行二尺度分解处理，得到各自的大尺度层和细节层；

将伪装区域和背景图像的CIE RGB颜色空间变换至CIE-Lab颜色空间，得到亮度通道和色彩通道，亮度通道用参数L表示。

大尺度层也即图像的结构层，在亮度通道上利用运用Guided滤波器分别得到伪装区域和背景图像的大尺度层，分别用伪装区域和背景图像的亮度通道减去各自对应的大尺度层即得到相应的细节层，即在亮度通道上运用边缘保护的平滑操作得到大尺度层，然后用亮度通道减去大尺度层得到细节层。

Guided滤波器的输出结果受两个参数影响，即窗户半径r和规则化参数ε，默认情况下，窗口半径r被设定为2，规则化参数ε＝0.01，参见KaimingHe，Jian Sun，Xiaoou Tang：Guided Image Filtering，ECCV2010。

(3)对伪装区域进行边缘提取和结构性边缘识别，计算得到重要结构特征边缘；

应用高斯尺度空间分析方法获得伪装区域的多个尺度空间，默认情况下把伪装区域分解为30个尺度空间，然后用Canny边缘检测算子找出伪装区域在每个尺度空间中的边缘，得到一个多尺度二进制掩膜C_σ，该二进制掩膜表示了每个尺度空间中边缘的位置。

之后，在高斯尺度空间内计算每条边缘的生命值lifetime，该生命值作为边缘结构重要性的度量。首先在每个尺度空间σ内使用下述公式计算每个像素隶属于一条边缘的成员值(membership)m_σ(p)。

$m_{\mathrm{\&sigma;}}\left(p\right)=\left\{\begin{array}{cc}1& \mathrm{if}\left|\right|P_{\mathrm{\&sigma;}}\left(p\right)-p\left|\right|<T_{\mathrm{\&sigma;}}\\ 0& \mathrm{otherwise}\end{array}\right.$

式中P_σ(p)表示像素p在尺度空间σ内的投影点；

T_σ表示尺度空间σ内设定的门限距离。

然后累加所有尺度空间内像素的成员值m_σ(p)，得到最精细层内每个像素的生命值lifetime，即使用公式计算生命值，σ_i表示第i个尺度空间，参见Alexandrina O.，Adrien B.，Pascal B.，Joёlle T.：Structure-preserving manipulation of photographs，International Symposiumon Non-Photorealistic Animation and Rendering(NPAR)，2007。

基于所述生命值，建立边缘映射图，依据阈值τ，将边缘映射图进行二值化处理，得到对应的掩膜，即依据阈值τ，将边缘映射图转换为一个二进制掩膜M(x，y)，用于表示结构重要的边缘。默认情况下τ取值为h为分解的尺度空间层数。

(4)选取重要结构特征边缘中的长边缘进行膨胀和分段处理，得到非连续的结构重要性边缘约束映射图；

设定边缘长度门限t，步骤(3)中二进制掩膜M(x，y)长度大于等于该边缘长度门限t的边缘即为长边缘，系统默认t为30个像素，对这些长边缘使用5×5窗口做膨胀处理，得到膨胀后的掩膜M_d；在长边缘上随机洒采样点，采样点将长边缘分为若干短边缘，同时将膨胀后的掩膜M_d分为若干膨胀边缘片，用户选择去除某一比例的短边缘E_i，根据剩余短边缘和相应的膨胀边缘片，利用下式计算得到结构重要性边缘约束映射图w：

$w\left(p\right)=\left\{\begin{array}{cc}\max (\mathrm{\&kappa;}+(1-\mathrm{\&kappa;})e^{\frac{-{(p-q)}^2}{2{\mathrm{\&sigma;}}^2}})& \mathrm{if}{E}_i\mathrm{is\; hit}\\ \max \left(\mathrm{\&kappa;}(1-e^{\frac{-{(p-q)}^2}{2{\mathrm{\&sigma;}}^2}})\right)& \mathrm{otherwise}\end{array}\right.$

式中p表示每个膨胀边缘片里的像素坐标；

E_i表示短边缘，在E_i被选中去除时，使用上述方程中第一式计算；

i表示短边缘序号；

q表示相应的短边缘E_i的像素坐标；

κ表示伪装区域的伪装程度，由用户给定；

σ²为min(width，height)/25，其中width和height分别表示伪装区域的宽度和高度。

遍历所有膨胀边缘片里的像素坐标，计算得到结构重要性边缘约束映射图w。

所述去除的短边缘的比例由用户设定，系统依据设定的比例随机选择去除短边缘，并尽可能保证被去除的短边缘分布在不同的长边缘上。

(5)计算伪装区域的大尺度层梯度，依据梯度分布定义梯度约束μ；

$\mathrm{\&mu;}=\exp \left(\frac{-\mathrm{\&beta;}(1-w){\left|\right|\&dtri;S\left|\right|}^2}{2{\mathrm{\&sigma;}}_2^2}\right),$ ${\mathrm{\&sigma;}}_2^2=\mathrm{mean}{\left({\left|\right|\&dtri;S\left|\right|}^2\right)}_{\mathrm{\&Omega;}};$

式中β表示梯度约束参数值，由用户设定；

w表示结构重要性边缘约束映射图；

表示伪装区域物体大尺度层梯度幅值；

表示伪装区域大尺度层梯度幅值的平均值；

Ω表示伪装区域。

所述β表示梯度约束参数值，系统默认为0.3。引入伪装区域大尺度层的梯度约束，可以消除结果图像大尺度层中强边缘附近的光晕瑕疵。

(6)依据所述结构重要性边缘约束映射图及梯度约束，将伪装区域的大尺度层和背景图像的大尺度层进行非线性融合，得到结果图像的大尺度层；

计算伪装区域和背景区域大尺度层的梯度场，结合步骤(4)中的结构重要性边缘约束映射图w以及步骤(5)中的伪装区域的大尺度层的梯度约束μ，定义如下能量函数，并求解能量函数最小值，得到结果图像的大尺度层，

$\underset{m\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}w{(B\left(m\right)-T\left(m\right))}^2+(1-w){|\&dtri;B\left(m\right)-\mathrm{\&mu;}\&CenterDot;g\left(m\right)|}^2\mathrm{with\; B}{|}_{\&PartialD;\mathrm{\&Omega;}}=T{|}_{\&PartialD;\mathrm{\&Omega;}};$

式中m表示伪装区域的像素坐标；

w表示结构重要性边缘约束映射图；

B(m)表示像素m所对应的结果图像的大尺度层的值；

T(m)表示像素m所对应的背景图像的大尺度层的值；

表示梯度算子；

表示结果图像的大尺度层的梯度；

μ表示伪装区域的梯度约束，用于预防光晕瑕疵；

Ω表示伪装区域；

表示伪装区域的边界(对应若干坐标值)；

表示在伪装区域边界处，结果图像的大尺度层的值等于背景图像的大尺度层的值，仅在符合该条件时，计算能量函数的值；

g表示梯度场，定义如下：

$g=\left\{\begin{array}{cc}\&dtri;T& \mathrm{if}\&dtri;T>\&dtri;S\\ \&dtri;S& \mathrm{otherwise}\end{array}\right.$

式中表示背景图像大尺度层的梯度场；

表示伪装区域大尺度层的梯度场。

根据欧拉-拉格朗日方程，最小化上述能量函数等价于求解下列大型稀疏线性方程组：

$\mathrm{wB}\left(m\right)-(1-w)\mathrm{\&Delta;B}\left(m\right)=\mathrm{wT}\left(m\right)-(1-w)\mathrm{\&mu;}\&dtri;\&CenterDot;g$

式中w表示结构重要性边缘约束映射图；

B(m)表示像素m所对应的结果图像的大尺度层的值；

T(m)表示像素m所对应的背景图像的大尺度层的值；

g表示梯度场；

μ表示伪装区域的梯度约束；

Δ表示拉普拉斯算子；

表示梯度算子。

(7)将伪装区域的细节层和背景图像的细节层进行混合，得到结果图像的细节层；

结果图像的细节层定义为伪装区域细节层D_F与背景图像细节层D_B的加权和，使用下述公式计算结果图像的细节层D：

D＝D_B+t·D_F

式中D表示结果图像的细节层的值；

D_B表示背景图像的细节层的值；

D_F表示伪装区域的细节层的值；

t表示伪装区域的细节层在结果图像细节层中的贡献程度，伪装区域的细节在结果图像中的贡献程度应当依据结构重要性边缘约束映射图来确定，即依据伪装区域大尺度层的边缘在结果图像大尺度层中出现的位置来确定，系统使用下列公式来自动设定伪装区域物体细节的贡献程度：

$t=\left\{\begin{array}{cc}\mathrm{\&alpha;}& \mathrm{if\; w}=\mathrm{\&kappa;}\\ (1-w)\mathrm{\&alpha;}& \mathrm{otherwise}\end{array}\right.$

α表示用户设定的伪装区域细节层在结果图像中的贡献程度；

w表示结构重要性边缘约束映射图；

κ表示伪装区域的伪装程度，可由用户设定。

t决定了伪装区域细节层在结果图像细节层中的贡献程度，其值范围是0≤t≤α，α值既可由系统给定也可以由用户交互设定，系统默认的α值为0。

(8)将结果图像的大尺度层和结果图像的细节层进行叠加，并结合背景图像的色彩通道得到伪装图像。

结果图像的亮度通道由L＝B+D计算得到，其中L表示结果图像亮度通道，B表示结果图像大尺度层的值，D表示结果图像的细节层的值，然后使用R＝Lab2RGB(L，a，b)将结果图像由CIE-Lab颜色空间变换至CIE RGB颜色空间，其中，L表示结果图像亮度通道，a和b表示背景图像色彩通道，即得伪装图像。

Claims (7)

1.一种数字伪装图像生成方法，其特征在于，包括以下步骤：

（1）分别输入前景图像和背景图像，用户任意选取前景图像中一封闭区域作为伪装区域；

（2）对伪装区域和背景图像分别进行二尺度分解处理，得到各自的大尺度层和细节层，方法如下：将伪装区域和背景图像的CIE RGB颜色空间变换至CIE-Lab颜色空间，得到亮度通道和色彩通道，在亮度通道上运用边缘感知滤波器，分别得到伪装区域和背景图像的大尺度层，分别用伪装区域和背景图像的亮度通道减去各自对应的大尺度层即得到相应的细节层；

（3）对伪装区域进行边缘提取和结构性边缘识别，计算得到重要结构特征边缘；

（4）选取重要结构特征边缘中的长边缘进行膨胀和分段处理，得到非连续的结构重要性边缘约束映射图；

（5）计算伪装区域的大尺度层梯度，依据梯度分布定义梯度约束；

（6）依据所述结构重要性边缘约束映射图及梯度约束，将伪装区域的大尺度层和背景图像的大尺度层进行非线性融合，得到结果图像的大尺度层；

（7）将伪装区域的细节层和背景图像的细节层进行混合，得到结果图像的细节层；

（8）将结果图像的大尺度层和结果图像的细节层进行叠加，并结合背景图像的色彩通道得到伪装图像。

2.如权利要求1所述的数字伪装图像生成方法，其特征在于，所述对伪装区域进行边缘提取和结构性边缘识别，计算得到重要结构特征边缘的方法如下：使用Canny边缘检测算子找出伪装区域的边缘，在高斯尺度空间内计算每条边缘的生命值，基于该生命值创建边缘映射图，依据指定阈值，将所述边缘映射图进行二值化处理，得到对应的二进制掩膜。

3.如权利要求2所述的数字伪装图像生成方法，其特征在于，所述选取重要结构特征边缘中的长边缘进行膨胀和分段处理，得到非连续的结构重要性边缘约束映射图的方法如下：设定边缘长度门限，所述二进制掩膜中长度大于等于该边缘长度门限的边缘即为长边缘，对这些长边缘做窗口膨胀处理，得到膨胀后的掩膜；在所述长边缘上随机洒采样点，所述采样点将长边缘分为若干短边缘，同时将膨胀后的掩膜分为若干膨胀边缘片，用户选择去除某一比例的短边缘，根据剩余短边缘和相应的膨胀边缘片，利用下式计算得到结构重要性边缘约束映射图w：

$w\left(p\right)=\left\{\begin{array}{cc}\max (\mathrm{\&kappa;}+(1-\mathrm{\&kappa;})e^{\frac{-{(p-q)}^2}{2{\mathrm{\&sigma;}}^1}})& \mathrm{if}{E}_i\mathrm{is\; hit}\\ \max \left(\mathrm{\&kappa;}(1-e^{\frac{-{(p-q)}^2}{2{\mathrm{\&sigma;}}^2}})\right)& \mathrm{otherwise}\end{array}\right.$

式中p表示每个膨胀边缘片里的像素坐标；

E_i表示短边缘；

i表示短边缘序号；

q表示相应的短边缘E_i的像素坐标；

κ表示伪装区域的伪装程度；

σ²为min(width,height)/25，其中width和height分别表示伪装区域的宽度和高度。

4.如权利要求3所述的数字伪装图像生成方法，其特征在于，所述的计算伪装区域的大尺度层梯度，依据梯度分布定义伪装区域的梯度约束μ的算法如下： $\mathrm{\&mu;}=\exp \left(\frac{-\mathrm{\&beta;}(1-w){\left|\right|\&dtri;S\left|\right|}^2}{2{\mathrm{\&sigma;}}_2^2}\right),{\mathrm{\&sigma;}}_2^2=\mathrm{mean}{\left({\left|\right|\&dtri;S\left|\right|}^2\right)}_{\mathrm{\&Omega;}};$

式中β表示梯度约束参数值；

w表示结构重要性边缘约束映射图；

||▽S||²表示伪装区域物体大尺度层梯度幅值；

表示伪装区域大尺度层梯度幅值的平均值；

Ω表示伪装区域。

5.如权利要求4所述的数字伪装图像生成方法，其特征在于，所述依据所述结构重要性边缘约束映射图及梯度约束，将伪装区域的大尺度层和背景图像的大尺度层进行非线性融合，得到结果图像的大尺度层的方法如下：设定一个如下能量函数，并求解能量函数最小值，得到结果图像的大尺度层，

$\underset{m\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}w{(B\left(m\right)-T\left(m\right))}^2+(1-w){|\&dtri;B\left(m\right)-\mathrm{\&mu;}\&CenterDot;g\left(m\right)|}^2\mathrm{with\; B}{|}_{\&PartialD;\mathrm{\&Omega;}}=T{|}_{\&PartialD;\mathrm{\&Omega;}};$

式中m表示伪装区域的像素坐标；

w表示结构重要性边缘约束映射图；

B（m）表示像素m所对应的结果图像的大尺度层的值；

T（m）表示像素m所对应的背景图像的大尺度层的值；

T表示梯度算子；

表示结果图像的大尺度层的梯度；

μ表示伪装区域的梯度约束；

Ω表示伪装区域；

表示伪装区域的边界；

表示在伪装区域边界处，结果图像的大尺度层的值等于背景图像的大尺度层的值；

g表示梯度场，定义如下：

$g=\left\{\begin{array}{cc}\&dtri;T& \mathrm{if}\&dtri;T>\&dtri;S\\ \&dtri;S& \mathrm{otherweis}\end{array}\right.$

式中表示背景图像大尺度层的梯度场；

表示伪装区域大尺度层的梯度场。

6.如权利要求5所述的数字伪装图像生成方法，其特征在于，所述将伪装区域的细节层和背景图像的细节层进行混合，得到结果图像的细节层的算法如下：D＝D_B+t·D_F

式中D表示结果图像的细节层的值；

D_B表示背景图像的细节层的值；

D_F表示伪装区域的细节层的值；

t表示伪装区域的细节层在结果图像细节层中的贡献程度，定义如下：

$t=\left\{\begin{array}{cc}\mathrm{\&alpha;}& \mathrm{ifw}=\mathrm{\&kappa;}\\ (1-w)\mathrm{\&alpha;}& \mathrm{otherwise}\end{array}\right.$

α表示用户设定的伪装区域细节层在结果图像中的贡献程度；

w表示结构重要性边缘约束映射图；

κ表示伪装区域的伪装程度。

7.如权利要求6所述的数字伪装图像生成方法，其特征在于，所述将结果图像的大尺度层和结果图像的细节层进行叠加，并结合背景图像的色彩通道得到伪装图像的方法如下：结果图像的亮度通道由L＝B+D计算得到，其中L表示结果图像亮度通道，B表示结果图像大尺度层的值，D表示结果图像的细节层的值，然后使用R＝Lab2RGB(L,a,b)将结果图像由CIE-Lab颜色空间变换至CIE RGB颜色空间，其中，L表示结果图像亮度通道，a和b表示背景图像色彩通道，即得所述伪装图像。