[發(fā)明專利]一種基于堆棧式去噪自編碼機的顯著性物體檢測方法

有效

• 申請?zhí)枺?/td>: 201410200352.1
• 申請日: 2014-05-13
• 公開（公告）號: CN103955936B
• 公開（公告）日: 2017-01-25
• 發(fā)明（設(shè)計）人: 韓軍偉;張鼎文;郭雷
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西北工業(yè)大學(xué)專利中心61204
• 代理人: 王鮮凱

1.一種基于堆棧式去噪自編碼機的顯著性物體檢測方法，其特征在于步驟如下：

步驟1在圖像中提取邊界圖塊：首先將圖像下采樣為P×P個像素，然后利用大小為size∈[5,20]，步長為step∈[1,size]的方形滑動窗口在下采樣后的圖像的上、左、下、右四個邊界中提取圖塊，并將每個圖塊內(nèi)的像素值構(gòu)成的向量作為該圖塊的特征，生成四個訓(xùn)練集合X_top,X_left,X_down,X_right；

步驟2訓(xùn)練基于圖像邊界的堆棧式去噪自編碼機；采用節(jié)點數(shù)分別為H₁∈[20,500]，H₂∈[20,500]的兩層結(jié)構(gòu)的堆棧式去噪自編碼機(SDAE)，對四個集合X_top,X_left,X_down,X_right進(jìn)行訓(xùn)練，得到四個基于圖像邊界的堆棧式去噪自編碼機SDAE_top,SDAE_left,SDAE_down和SDAE_right；

步驟3計算深度殘余：采用大小為size∈[5,20]，步長為step∈[1,size]的方形滑動窗口在下采樣后的圖像中提取圖塊，并將圖塊內(nèi)的像素值構(gòu)成的向量將作為該圖塊的特征，生成堆棧式去噪自編碼機的輸入集合X＝{x_j}，其中j∈[1,N]，N為整幅圖像中提取的圖塊數(shù)；

將集合X＝{x_j}中的每一個輸入樣本x_j輸入SDAE_top中，計算輸入樣本x_j的上邊界深度殘余其中為x_j在SDAE_top中第一隱層的激活向量，為x_j在SDAE_top中第二重構(gòu)層的激活向量；

將集合X＝{x_j}中的每一個輸入樣本x_j輸入SDAE_left中，計算輸入樣本x_j的左邊界深度殘余其中為x_j在SDAE_left中第一隱層的激活向量，為x_j在SDAE_left中第二重構(gòu)層的激活向量；

將集合X＝{x_j}中的每一個輸入樣本x_j輸入SDAE_down中，計算輸入樣本x_j的下邊界深度殘余其中為x_j在SDAE_down中第一隱層的激活向量，為x_j在SDAE_down中第二重構(gòu)層的激活向量；

將集合X＝{x_j}中的每一個輸入樣本x_j輸入SDAE_right中，計算輸入樣本x_j的右邊界深度殘余其中為x_j在SDAE_right中第一隱層的激活向量，為x_j在SDAE_right中第二重構(gòu)層的激活向量；

步驟4合并生成深度殘余圖：將步驟3中的每一個輸入樣本x_j合并得到四個邊界的深度殘余：將合并后的深度殘余作為與其相對應(yīng)的輸入樣本的灰度值生成與下采樣后圖像對應(yīng)的灰度圖，將這個灰度圖上采樣到原始圖片的大小生成圖像的深度殘余圖；

步驟5基于超像素的區(qū)域平滑：根據(jù)超像素分割理論，將原始圖像分割成互不重疊的超像素區(qū)域R_q,q∈[1,Q]，其中Q為超像素區(qū)域總數(shù)；則每一個超像素區(qū)域R_q的顯著值為該超像素區(qū)域內(nèi)所有像素點上深度殘余的均值；將所有超像素區(qū)域的顯著值線性映射到[0,1]范圍內(nèi)就得到了最終的顯著物體檢測結(jié)果。