[發(fā)明專利]基于半監(jiān)督的圖像顯著性檢測方法

有效

• 申請?zhí)枺?/td>: 201410482371.8
• 申請日: 2014-09-19
• 公開（公告）號: CN104217438B
• 公開（公告）日: 2017-03-01
• 發(fā)明（設(shè)計）人: 曹向海;焦李成;張丹;王爽;劉紅英;馬文萍;馬晶晶
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/143;G06T5/00;G06K9/46;G06K9/62
• 代理公司: 陜西電子工業(yè)專利中心61205
• 代理人: 田文英,王品華

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進(jìn)一步涉及圖像增強(qiáng)技術(shù)領(lǐng)域中的一種基于半監(jiān)督的圖像顯著性檢測方法。本發(fā)明可應(yīng)用于對相近圖像的檢索、圖像中特定目標(biāo)的檢測和圖像分割。

背景技術(shù)

圖像中的顯著性區(qū)域是指一副圖片中人類視覺中最關(guān)注的目標(biāo)區(qū)域，顯著性檢測的結(jié)果會將目標(biāo)區(qū)域均勻提亮突出的同時抑制背景，便于圖像的后期處理，是目前重要的研究領(lǐng)域之一。近年來顯著性檢測已經(jīng)被廣泛的應(yīng)用于對相近圖像的檢索、圖像和視頻壓縮、圖像中特定目標(biāo)的檢測、圖像及視頻分割等許多圖像處理領(lǐng)域，并很好的促進(jìn)了這些領(lǐng)域的發(fā)展。

華東理工大學(xué)提出的專利申請“一種基于移動視覺焦點的圖像視覺顯著性檢測方法”(專利申請?zhí)朇N201410042192.2，公開號CN103810707A)，公開了一種基于移動視覺焦點的圖像視覺顯著性檢測方法。該方法首先運用基于圖的分割算法將原始圖像分割成K個區(qū)域，然后對原始圖像進(jìn)行量化及高頻顏色篩選；利用分割圖像獲得量化圖像對應(yīng)的分割區(qū)域并進(jìn)行區(qū)域?qū)Ρ扔嬎阋垣@取某一區(qū)域的顯著值從而獲得初始顯著圖；以圖像中心為初始視覺焦點對初始顯著圖進(jìn)行加權(quán)計算；利用顯著性引力模型計算視覺焦點的移動距離及移動方向以獲取下一個視覺焦點，直到當(dāng)前焦點距離與上一焦點距離小于1為止；運用最終的視覺焦點對獲得最終視覺焦點的前一次獲得的顯著圖加權(quán)從而獲得最終顯著圖像。該檢測方法的雖然可以突出顯著物體，并很好地抑制圖像背景，但是仍然存在的不足是，該方法獲得的顯著性圖像目標(biāo)不均勻，而且無法保留目標(biāo)的完整邊界。

重慶大學(xué)提出的專利申請“一種基于對比度與角點最小凸包的顯著性檢測方法”(專利申請?zhí)朇N201410180885.8，公開號CN103927758A)公開了一種顯著性檢測方法。該方法實施步驟是：首先根據(jù)超像素的全局對比計算全局顯著圖，然后使用中心—周圍算子計算局部顯著圖，最后根據(jù)Harris角點的最小凸包估計主要目標(biāo)的位置與大小過濾到背景中部分區(qū)域的干擾，使得主要目標(biāo)得以突出。該方法雖然可以均勻提亮突出目標(biāo)，但是仍然存在的不足是，高度依賴于凸包的準(zhǔn)確性，在突出目標(biāo)的同時，凸包內(nèi)很大一部分錯誤區(qū)域被突出，降低了顯著性檢測的準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明針對上述現(xiàn)有技術(shù)的不足，提出一種基于半監(jiān)督的圖像顯著性檢測方法，通過對輸入圖像進(jìn)行簡單的顯著性檢測，獲得初步顯著性圖像，對初步顯著性圖像進(jìn)行二值化，得到亮點像素，利用亮點像素對超像素進(jìn)行標(biāo)記，獲得初步的標(biāo)記超像素，針對獲得的初步的標(biāo)記超像素，通過發(fā)明中提及的相應(yīng)方法對初步的標(biāo)記超像素進(jìn)行更新計算，獲得標(biāo)記超像素，通過對這些標(biāo)記超像素的學(xué)習(xí)檢測出其他具有顯著性的超像素，得到的顯著性圖像目標(biāo)均勻，準(zhǔn)確率高。

實現(xiàn)本發(fā)明的具體思路是：首先采用超像素分割法，將圖片劃分成分割系數(shù)為K的超像素映射圖像，并采用采用背景優(yōu)先的測地距顯著性Geodesic?saliency?using?background?priors中的概念，將超像素映射圖像中的超像素和邊界超像素進(jìn)行顯著性計算，從而獲得一張初步的顯著性圖像。對初步的顯著性圖進(jìn)行高斯強(qiáng)化，形態(tài)學(xué)操作，大津法二值化獲得初步的標(biāo)記超像素，通過貝葉斯選擇則獲得半監(jiān)督方法中需要的一部分標(biāo)記超像素。對這些標(biāo)記超像素進(jìn)行聚類計算，對聚類結(jié)果的賦予不同分類不同的權(quán)值，最后將不同類的標(biāo)記超像素使用流形學(xué)習(xí)法獲得學(xué)習(xí)結(jié)果，并將學(xué)習(xí)結(jié)果乘以各自的權(quán)值后相乘獲得最終的顯著性圖像。

為了實現(xiàn)上述目的，本發(fā)明包括如下步驟：

(1)獲得初步顯著性圖像：

(1a)利用簡單線性迭代聚類SLIC超像素分割算法，對待檢測的圖像進(jìn)行分割，獲得一個超像素映射圖像；

(1b)將位于待檢測圖像邊緣上的超像素作為邊緣超像素；

(1c)利用顯著性公式，計算超像素映射圖像中每個超像素與邊緣超像素的顯著性值，獲得初步顯著性圖像；

(2)獲得初步的標(biāo)記超像素：

(2a)對初步顯著性圖像進(jìn)行高斯濾波，獲得高斯顯著性圖像；

(2b)利用大津法，對高斯顯著性圖像進(jìn)行二值化操作，獲得二值圖像；

(2c)對二值圖像像進(jìn)行形態(tài)學(xué)的開操作，獲得開操作二值圖像，對開操作二值圖像進(jìn)行形態(tài)學(xué)的填孔操作，獲得優(yōu)化二值圖像，將優(yōu)化二值圖像中的值為1的像素點設(shè)定為亮點像素；

(2d)利用亮點像素，對超像素映射圖像中每個超像素進(jìn)行選擇，獲得標(biāo)記樣本；

(2d)將標(biāo)記樣本設(shè)定為初步的標(biāo)記超像素；

(3)貝葉斯選擇：