[發(fā)明專利]一種利用圖像邊界信息和區(qū)域連通性的顯著對象檢測方法

有效

• 申請?zhí)枺?/td>: 201510013897.6
• 申請日: 2015-01-12
• 公開（公告）號: CN104537355B
• 公開（公告）日: 2017-11-24
• 發(fā)明（設(shè)計）人: 鄒北驥;劉晴;陳再良;胡旺;傅紅普
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 長沙市融智專利事務(wù)所43114
• 代理人: 黃美成

技術(shù)領(lǐng)域

本發(fā)明屬于圖像檢索和圖像識別技術(shù)領(lǐng)域，涉及一種顯著對象檢測方法，具體地說，涉及一種利用圖像邊界信息和圖像背景連通性先驗來進行的一種新的顯著對象檢測方法。

背景技術(shù)

人類視覺系統(tǒng)具有的一個非凡的能力就是視覺注意，即能夠快速地從復(fù)雜場景中選擇出重要的信息進行進一步地加工處理，而忽略其他信息。顯著對象檢測的目的是通過建模生成一個顯著圖來預(yù)測人在觀看圖像時圖像中最能吸引人的注意的對象，顯著圖中的每一個像素點的亮度代表該處的顯著值，顯著值越大，說明此處受到人關(guān)注的可能性越大。顯著對象檢測是計算機視覺中的一個基礎(chǔ)問題，在圖像縮放、圖像壓縮、對象識別和圖像分類等領(lǐng)域具有廣泛的應(yīng)用前景。

當前已有的顯著對象檢測方法：

1、基于生物學(xué)假說的顯著性檢測方法。該方法提取了顏色、亮度和方向特征，基于生物視覺的拮抗特性，設(shè)計了中央-周邊差算子來計算特征的局部對比度，得到特征顯著圖；然后依據(jù)特征整合理論，對特征顯著圖進行等權(quán)線性融合。該方法傾向于將具有高局部對比度的小對象進行高亮，但是不能夠均勻地將整個顯著對象檢測出來，對于背景中具有高對比度的邊界區(qū)域會被錯誤地檢測出來。

2、基于全局對比度的顯著對象檢測方法。該類方法計算當前像素/區(qū)域的特征與圖像中的剩余像素/區(qū)域特征之間的對比度，對對比度進行空間距離加權(quán)得到當前像素/區(qū)域的顯著值。相比于受生物視覺啟發(fā)的基于局部對比度的顯著性計算方法，該類方法能夠獲得更好的檢測精度，但是對于背景中具有高對比度的像素/區(qū)域，能夠被錯誤地檢測出來。

3、基于認知準則的顯著對象檢測方法。該類方法根據(jù)格式塔心理學(xué)的圖/底組織規(guī)律，認為對象區(qū)域的特征具有特異性，并且在空間上對象區(qū)域具有高緊致性，而背景區(qū)域傾向于蔓延整個圖像區(qū)域。另外，對象區(qū)域由于與背景區(qū)域之間存在高對比度，因此從對象區(qū)域到達圖像的邊界區(qū)域所花的代價大；而從背景區(qū)域具有連續(xù)性和同源性，因此，背景區(qū)域到達圖像的邊界區(qū)域所花的代價小。通過計算超像素到圖像邊界的最短路徑，就可以計算出超像素的顯著值。但是，該類方法會將背景中的局部高對比度的小尺度對象誤檢，而自然場景圖像的背景中常常包含了具有高局部對比度的小尺度對象。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種基于圖像背景信息和區(qū)域多級連通性的快速顯著對象檢測方法，該方法考慮了區(qū)域的不同連通性，并且學(xué)習(xí)了通過不同連通性計算得到的顯著值的融合方式，該方法具有高的檢測準確率，并且速度快，能夠有效地抑制背景中具有高局部對比度的小尺度對象，并且檢測出的顯著對象區(qū)域具有均勻的顯著值和清晰的邊緣。

為了達到上述目的，本發(fā)明采用的技術(shù)方案如下：

一種利用圖像邊界信息和區(qū)域連通性的顯著對象檢測方法，包括以下幾個步驟：

步驟1：輸入待檢測的圖像；

步驟2：對待檢測的圖像進行超像素分割，得到超像素集合V＝{v₁,v₂,...,v_M}，并計算每個超像素v_i的平均Lab顏色特征向量x_i；

v_i表示第i個超像素，v_i∈V，M為超像素的個數(shù)；

將圖像分割成多個子區(qū)域，每一個子區(qū)域由表觀相似且空間相近的像素構(gòu)成，每一個子區(qū)域叫做超像素；

步驟3：根據(jù)超像素的空間拓撲結(jié)構(gòu)及三個不同的鄰域范圍，對每個超像素創(chuàng)建三個無向加權(quán)圖，包括一環(huán)鄰接圖、二環(huán)鄰接圖及三環(huán)鄰接圖，分別記為G¹、G²和G³；

其中，三個無向加權(quán)圖中的節(jié)點為超像素，節(jié)點與相鄰節(jié)點之間形成的邊的權(quán)重為兩相鄰節(jié)點對應(yīng)的兩平均Lab顏色特征向量之間的距離；

所述三個不同的鄰域是指一環(huán)鄰域、二環(huán)鄰域及三環(huán)鄰域；

一環(huán)鄰域，超像素v_i的一環(huán)鄰域為與其在空間上相鄰接的超像素v_j的集合，即

二環(huán)鄰域，超像素v_i的二環(huán)鄰域包括超像素v_i的一環(huán)鄰域中的超像素以及超像素v_i的一環(huán)鄰域中包含的超像素的一環(huán)鄰域，即

三環(huán)鄰域，超像素v_i的三環(huán)鄰域包括超像素v_i的二環(huán)鄰域中的超像素以及超像素v_i的二環(huán)鄰域中的超像素的一環(huán)鄰域，即