图像目标的提取就是将感兴趣的目标从图片中提取或者分离出来,分离出来的目标可以用于其它方面,例如图像的识别或者合成。目标提取的主要操作就是图像分割,研究目标提取可以从图像分割着手。图像的分割方法种类繁多,大致可以分为两类,基于边界的分割方法和基于区域的分割方法。边缘是图像灰度发生突变的区域,包含了图像的主要信息,是图像分割所依赖的主要特征之一。图像的边缘也反映了目标的形状特征等主要信息,通过边缘可以大大减少冗余信息的处理。本文主要讲述在虚拟环境下人物图像边缘检测及背景分离的研究。文章研究方向和工作内容主要有两个,第一个是在图像分割算法中着重研究了角点检测算法中的SUSAN算法,对其算子模板、USAN准则进行了改进,并在结合传统最大类间方差算法的基础上对其几何阈值的设定也进行了修改,改进后的算法用来检测人物图像的边缘特征,实验表明改进后的算法边缘检测效果良好。第二个是从工程的角度结合实际应用,提出了在虚拟仪器环境下实现快速人物图像提取的方法,用于后续虚拟试衣系统的虚拟环境下进行图像合成,成功应用于虚拟试衣系统的服装数据库建立,节约了大量的人力和时间。本文的创新点有以下几点：1.从以角点和边缘作为目标特征的角度研究了目标的提取,研究了SUSAN多种改进算法用于图像边缘分析,在此基础上对传统SUSAN算子提出如下改进：(1)算子模板改进。将传统37像素模板还原为理想算子的圆形模板,提出面积加权的方式采用45像素模板去模拟理想圆形模板；同时根据图像边缘的连续性和连通性,为了增强领域间像素的联系性,提出对模板内各像素进行反距离加权,重新定义模板中各个位置像素在USAN区域计算中占的不同权重,改变以往同一权重的现状,从两方面进行混合加权,通过计算获得新的混合加权模板矩阵来代替原始的37像素模板,具有更好的精度。(2)USAN准则改进。对传统SUSAN算子存在漏检和误检的原因进行研究,提出了USAN准则的3条修改。使用修改后的USAN准则具有更好的精确性和抗噪性。(3)几何阈值改进。根据几何阈值的意义和特性,提出了基于Otsu算法的自适应几何阈值SUSAN算法改进,将SUSAN算法的几何阈值设定从固定的单一设定值改进为自适应选取。通过实验结果显示,比综合改进后的SUSAN算法和原SUSAN算法相比拥有了更好的抗噪性和分割效果。2.根据虚拟试衣系统的实际开发与应用,从工程角度研究在虚拟仪器开发环境下对图片中人物目标的快速提取,从图片中将人物分离出来的方法。根据虚拟仪器和虚拟试衣系统的特点提出了掩码法和基于饱和度颜色提取模式的彩色图像阈值分割方法,并且经过后续的形态学处理优化模板和边缘轮廓来实现将图片中人物提取出来,将背景透明处理的图像分割处理,算法快速智能,效果良好,大大减少了传统操作需要的人力和时间投入,已经在实际的虚拟试衣系统中得到了良好的应用。