[發(fā)明專利]一種圖像顯著性物體檢測方法和裝置

有效

• 申請?zhí)枺?/td>: 201310686930.2
• 申請日: 2013-12-12
• 公開（公告）號: CN103793710B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設(shè)計(jì)）人: 陳世峰;杜書澤
• 申請（專利權(quán)）人: 中國科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T7/00
• 代理公司: 深圳中一專利商標(biāo)事務(wù)所44237
• 代理人: 張全文

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，特別涉及一種圖像顯著性物體檢測方法和裝置。?

背景技術(shù)

視覺顯著性是一個(gè)來自于神經(jīng)科學(xué)和生理學(xué)的概念，它使吸引人的注意力的區(qū)域從人的視場中凸顯出來。?

傳統(tǒng)的視覺顯著性檢測方法通常基于局部或者全局的對比分析來計(jì)算顯著性。基于局部的方法敏感于圖像中高對比度的邊緣和噪聲，從而弱化了物體內(nèi)的平滑區(qū)域，這使得它們更適合檢測小物體。在基于全局對比的方法中，基于圖像塊的方法也趨向于凸出物體的邊界而非整個(gè)物體區(qū)域。雖然基于分割的方法有效地克服了“物體弱化”問題（物體內(nèi)部被壓制），當(dāng)物體的內(nèi)部不均勻時(shí)，它們?nèi)匀缓茈y凸出整個(gè)物體。大部分情況下，基于局部的方法和基于全局對比的方法只能檢測出物體的某些部分。?

文獻(xiàn)“Exploiting?local?and?global?patch?rarities?for?saliency?detection”（A.Borji?and?L.Itti.In?CVPR,2012）提出用全局的圖像塊稀有性(圖像塊在整幅圖像中出現(xiàn)的頻率)去填充物體的內(nèi)部區(qū)域。然而對大的物體來說,稀有的圖像塊通常出現(xiàn)在物體和背景的交界處。?

上述的大部分模型是本著檢測單個(gè)顯著性物體而被提出。這些模型的局限使得它們有一定的難度去檢測一幅圖像中的多個(gè)物體。?

與本發(fā)明最近似的方法是論文“Automatic?salient?object?segmentation?based?on?context?and?shape?prior”（H.Jiang,J.Wang,Z.Yuan,T.Liu,and?N.Zheng.in??Proc.BMVC,2011）。這篇文獻(xiàn)的作者把顯著性圖和物體的形狀先驗(yàn)(顯著物體有很明顯的封閉邊界)整合到一個(gè)模型中去分割顯著物體。這個(gè)形狀先驗(yàn)是依靠結(jié)合顯著性和通過邊緣檢測器得到的物體邊界信息而被提取出來的。?

在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題：?

1.現(xiàn)有顯著性檢測技術(shù)不適合檢測小物體；2.當(dāng)物體內(nèi)部不均勻時(shí)，現(xiàn)有顯著性檢測技術(shù)只能檢測出物體的一些部分；3.現(xiàn)有顯著性檢測技術(shù)難以檢測一幅圖像中的多個(gè)顯著性物體。?

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)存在的問題，本發(fā)明實(shí)施例提供了一種圖像顯著性物體檢測方法和裝置。所述技術(shù)方案如下：?

一方面，本發(fā)明提供了一種圖像顯著性物體檢測方法，所述方法包括：?

將圖像進(jìn)行拉伸，提取拉伸后的圖像中的圖像塊構(gòu)成圖像塊集合，以遞歸的方式從所述圖像塊集合中構(gòu)建出一個(gè)隨機(jī)森林；?

根據(jù)所述隨機(jī)森林對所述圖像塊集合中的所有圖像塊進(jìn)行稀有性分析，得到稀有性圖，采用主動(dòng)輪廓模型提取所述稀有性圖中的顯著物體輪廓，得到輪廓性圖；?

根據(jù)所述隨機(jī)森林計(jì)算所述輪廓圖中顯著物體輪廓內(nèi)部的圖像塊和外部的圖像塊間的相似度，得到精確到物體級別的顯著性圖；?

將所述精確到物體級別的顯著性圖重新拉伸到原始圖像的大小，對重新拉伸后的圖像進(jìn)行基于圖切割的圖像分割，得到一個(gè)由均勻的圖像區(qū)域組成的集合，均化每個(gè)區(qū)域的顯著性值，得到最終的顯著性圖。?

具體地，所述將圖像進(jìn)行拉伸，提取拉伸后的圖像中的圖像塊構(gòu)成圖像塊集合具體包括：將圖像拉伸到H×H的大小，將拉伸后的圖像劃分為(H/r)×(H/r)個(gè)大小為r×r的圖像塊，將這些圖像塊按照從左向右,自上而下的順序,以無重疊的方式從拉伸的圖像中被提取出來，構(gòu)成圖像塊集合P={p₁,p₂,…,p_n}，其中H對?r可除。?

具體地，所述以遞歸的方式從所述圖像塊集合中構(gòu)建出一個(gè)隨機(jī)森林具體包括：以遞歸的方式從所述圖像塊集合中構(gòu)建一個(gè)由T棵樹組成的隨機(jī)森林F={T₁,…T_T}，隨機(jī)森林中的每棵樹均由分割結(jié)點(diǎn)和葉子結(jié)點(diǎn)構(gòu)成,其中，葉子結(jié)點(diǎn)具體為不能被繼續(xù)分割的分割結(jié)點(diǎn)；?

進(jìn)一步地，以遞歸的方式從所述圖像塊集合中構(gòu)建一棵樹T_k具體包括：?

A1：在樹T_k的分割結(jié)點(diǎn)n處,產(chǎn)生兩個(gè)隨機(jī)數(shù)h₁和h₂，定義d_i(h₁,h₂)=p_i(h₁)-p_i(h₂)；?