[發明專利]基于區域對比度的圖像中顯著對象的提取方法

在審

• 申請號: 201410781285.7
• 申請日: 2014-12-17
• 公開（公告）號: CN104504692A
• 公開（公告）日: 2015-04-08
• 發明（設計）人: 劉志;葉林偉;李君浩;李利娜
• 申請（專利權）人: 上海大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海上大專利事務所(普通合伙)31205
• 代理人: 陸聰明

技術領域

本發明涉及計算機信息、圖像處理技術領域，具體地說是涉及一種提取圖像中的顯著對象的方法。

背景技術

根據心理學以及人類視覺的研究，當人觀察一幅圖像時，對圖像各區域的關注并不平均，從而產生與關注度相對應的顯著性圖。在大多數情況下，人觀察一幅圖像時，不會在整個圖像上平均分配注意力，而是會將注意力集中在圖像中的某個對象，這樣的對象被稱為顯著對象。如果能夠自動地將顯著對象提取出來，將對圖像縮放、圖像識別、圖像檢索等應用領域提供極大的幫助。顯著對象提取方法正是在這種背景下應用而生，它旨在準確地提取圖像中去除了背景之后的顯著對象，例如，Rother等人在2004年美國計算機協會圖形學學報中發表了“Grabcut：交互式前景提取用圖切割方法”一文，該文利用人工手動畫矩形窗，指定候選顯著對象區域，再用圖切割方法提取顯著對象。但因為需要人工手動指定且只能用矩形窗定義顯著對象候選區域，限制了該方法的廣泛應用。Cheng等人在2011年美國電氣電子工程師協會計算機視覺和模式識別會議上發表了 “基于全局對比度的顯著性區域檢測”一文，該文利用全局顏色對比度和空間區域對比度得到顯著性圖，然后根據顯著性圖用迭代Grabcut圖切割方法進行圖像分割，提取圖像中的顯著對象，該方法的具體步驟如下：

(1）一個像素的顯著性值用該像素和圖像中其他像素顏色的對比度來定義，具有相同顏色的像素分配相同的顯著性值。

(2）基于直方圖統計丟棄出現頻率較小的顏色，每個顏色的顯著性值被替換為相似顏色顯著性值的加權平均。

(3）用基于圖的圖像分割方法將圖像分割成若干區域，利用兩個區域重心的歐氏距離，計算空間區域對比度，得到顯著性圖。

(4）對顯著性圖取固定閾值，用Grabcut圖切割方法進行圖像分割。

(5）用膨脹、腐蝕操作圖像分割后的結果圖，得到新的待分割圖，再用Grabcut圖切割方法進行圖像分割。

(6）重復步驟(5）直到收斂。得到最終的結果圖，即提取的顯著對象。

Liu等人在2014年美國電氣和電子工程師協會的圖像處理學報中發表了“顯著性樹：一個新的顯著性檢測框架”一文，該文用樹形結構的節點表示圖像中一個個小區域，通過測量全局對比度、空間稀疏性和對象優先性，合并原始小區域，生成顯著性圖，最后運用最大類間方差值二值化顯著性圖，提取圖像中的顯著對象。該方法提高了顯著性圖的精確度，但是，該方法中的最大類間方差值方法在提取顯著對象時，仍不能完整提取圖像中的多個顯著對象。Alexe等人在2012年美國電氣和電子工程師協會的模式分析與機器智能學報中發表了“測量圖像窗中的對象”，該文提出了用圖像窗，即矩形窗檢測對象的概念和計算方法，通過計算大量矩形窗包含對象的概率，利用貝葉斯公式聯合多線索求出顯著對象所在區域的位置概率，得到對象概率圖。該方法的具體步驟如下：

(1）用頻域殘差法得到多尺度顯著性線索，并產生大量矩形窗。

(2）用顏色空間直方圖的卡方距離，計算矩形窗間顏色對比度線索。

(3）用坎尼算子檢測邊界，得到邊緣密度線索。

(4）用基于圖的圖像分割方法將圖像分割成若干區域，根據矩形窗內區域和矩形窗外區域的最小區域差異，得到區域分叉線索。

(5）利用高斯分布估計矩形窗的位置和大小線索。

(6）用貝葉斯公式整合由步驟(1）-(5）得到的線索，計算顯著對象所在區域的位置概率，得到對象概率圖。

但是。上述方法存在的不足是，該方法只是用矩形窗表示出顯著對象的位置概率，而不包含準確的顯著對象的輪廓信息，不能準確地提取圖像中的顯著對象。

綜上所述，現有的圖像中顯著對象的提取的方法，不能準確、完整地提取圖像中的顯著對象，這影響了顯著對象提取的廣泛應用。

發明內容

本發明的目的在于針對已有技術中存在的缺陷，提出一種基于區域對比度的圖像中顯著對象的提取方法，該方法能夠較為準確、完整地提取圖像中的顯著對象。

為了達到上述目的，本發明采用的技術方案如下：

一種基于區域對比度的圖像中顯著對象的提取方法，其具體步驟如下：

(1)、輸入原始圖像，原始圖像的顯著性圖記為，原始圖像的對象概率圖記為；

(2)、計算顯著性圖和對象概率圖的融合系數；

(3)、根據融合系數，計算區域對比度融合圖，提取圖像中的顯著對象。

上述步驟(2)所述的計算顯著性圖和對象概率圖的融合系數，其具體步驟如下：