[發明專利]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

• 申請號: 201410200352.1
• 申請日: 2014-05-13
• 公開（公告）號: CN103955936B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 韓軍偉;張鼎文;郭雷
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西北工業大學專利中心61204
• 代理人: 王鮮凱

技術領域

本發明屬于計算機視覺算法研究領域，涉及一種基于堆棧式去噪自編碼機的顯著性物體檢測方法，可以在自然圖像數據庫中準確、魯棒地計算出給定圖像的顯著物體。?

背景技術

視覺顯著性是視覺注意的一項重要功能，它表現為觀察者從一個復雜的視覺場景中選擇一個重要的內容進行集中處理，而忽略其他不太重要的內容。視覺場景中某些內容比其他內容更能獲得觀察者的注意，我們稱它們具有更高的視覺顯著性。視覺顯著性的思想被大量地應用于視覺注意的計算模型中，ITTI在其經典的視覺注意計算模型中采用的顯著性度量方法是基于像素與其周圍鄰域的局部視覺特征差異；Ma等人在2003年提出一種基于特征對比的顯著性度量方法，該方法只考慮顏色特征，將輸入圖像從RGB顏色空間轉換為LUV空間，進行顏色量化。為了處理簡單，將輸入圖像調整到一個固定的尺寸。計算像素與其周圍鄰域的顏色特征對比度，得到該像素的顯著性值；Hou等人在2008年提出了一種基于譜殘差的顯著性度量方法，該方法在頻域上分析顯著區域的特征，在空間域上構建顯著圖。FengLiu等人后來提出基于區域的顯著性度量，他們首先利用一定的方法得到圖像中不同的區域，然后根據每個區域的位置因素和特征對比等度量其顯著性。?

上述方法都是根據假設“圖像中局部/全局對比度高的地方應該擁有更高的顯著性”進行模型的建立，然而盡管他們能夠在某些情況下得出令人滿意的結果，但是這些模型所基于的假設在一些復雜的圖像中并不適用。事實上，在進行顯著物體檢測時，能夠反映顯著物體的對比性，不是基于像素或圖塊的局部/全局對比性，而是圖像前景區域與背景區域的對比性。基于此，本發明提出一種基于堆棧式去噪自編碼機的顯著性物體檢測方法，首先利用去噪自編碼機對位于圖像周邊的圖塊進行建模，然后將訓練好的模型對整幅圖像中的圖塊進行深度特征的提取及重建，并將深度重建殘余作為顯著性的計算手段。最終取得更具準確性，魯棒性的顯著物體檢測結果。?

發明內容

要解決的技術問題?

為了避免現有技術的不足之處，本發明提出一種基于堆棧式去噪自編碼機的顯著性物體檢測方法。?

技術方案?

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，并將每個圖塊內的像素值構成的向量作為該圖塊的特征，生成四個訓練集合X_top,X_left,X_down,X_right；?

步驟2訓練基于圖像邊界的堆棧式去噪自編碼機；采用節點數分別為H₁∈[20,500]，H₂∈[20,500]的兩層結構的堆棧式去噪自編碼機(SDAE)，對四個集合X_top,X_left,X_down,X_right進行訓練，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，并將圖塊內的像素值構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；?

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中第二重構層的激活向量；?