[發(fā)明專(zhuān)利]基于馬爾科夫模型的顯著性檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510760313.1
• 申請(qǐng)日: 2015-11-10
• 公開(kāi)（公告）號(hào): CN105426895A
• 公開(kāi)（公告）日: 2016-03-23
• 發(fā)明（設(shè)計(jì)）人: 王敏
• 申請(qǐng)（專(zhuān)利權(quán)）人: 河海大學(xué)
• 主分類(lèi)號(hào): G06K9/46
• 分類(lèi)號(hào): G06K9/46;G06K9/62
• 代理公司: 南京蘇高專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 李玉平

1.一種基于馬爾科夫模型的顯著性檢測(cè)方法，其特征在于，包括如下步驟：

步驟10：采集圖像數(shù)據(jù)；

步驟20，對(duì)步驟10得到的圖像用三種不同的方法進(jìn)行顯著性特征提取，得到與三種不同的顯著性特征函數(shù)對(duì)應(yīng)的顯著性特征圖；

步驟30：采用馬爾科夫模型的機(jī)器學(xué)習(xí)法對(duì)步驟10中采集的圖像進(jìn)行訓(xùn)練，并獲得步驟20中得到的每個(gè)顯著性特征圖的最優(yōu)權(quán)重；

步驟40：對(duì)步驟20得到的三種不同的顯著性特征函數(shù)用分配函數(shù)Z進(jìn)行歸一化處理，得到的三個(gè)歸一化顯著性特征函數(shù)；

步驟50：建立馬爾科夫模型，對(duì)步驟40得到的三個(gè)歸一化顯著性特征函數(shù)用馬爾科夫模型進(jìn)行組合；

步驟60：用最大似然準(zhǔn)則對(duì)步驟50獲得的組合求得最優(yōu)解，得到最優(yōu)化的線(xiàn)性組合；

步驟70：將步驟60計(jì)算得到的顯著性像素用一個(gè)最小的矩形框框出，其中最小的矩形框至少框出95％以上的顯著性像素，得到最終的結(jié)果。

2.如權(quán)利要求1所述的基于馬爾科夫模型的顯著性檢測(cè)方法，其特征在于，所述步驟20中，所述三種進(jìn)行特征提取的方法分別為：多尺度對(duì)比法、中央周?chē)狈綀D法和顏色空間分布法；

其中，所述多尺度對(duì)比法，包括以下步驟：

步驟211，對(duì)步驟10中采集到的圖像基于高斯模糊之后向下采樣，得到六層不同分辨率的高斯金字塔圖像；

步驟212，將步驟211得到的六層高斯金字塔圖像中每層對(duì)比度線(xiàn)性組合得到多尺度對(duì)比特征函數(shù)與其對(duì)應(yīng)的顯著性特征圖；

所述中央周?chē)狈綀D法，包括以下步驟：

步驟221：用多個(gè)不同長(zhǎng)寬比例的矩形區(qū)域R標(biāo)出步驟10得到的圖像中的顯著物體，在多個(gè)矩形區(qū)域R的周?chē)鷺?gòu)造多個(gè)對(duì)應(yīng)的面積相等的周?chē)匦螀^(qū)域R_s；

步驟222：在步驟221獲得的圖像上計(jì)算每個(gè)以像素點(diǎn)x為中心的顯著矩形區(qū)域R與周?chē)匦螀^(qū)域R_s在RGB顏色直方圖之間的χ²距離；

步驟223：比較每個(gè)不同長(zhǎng)寬比例的矩形區(qū)域R與周?chē)匦螀^(qū)域R_s在RGB顏色直方圖之間的χ²距離，選擇χ²距離最大的矩形區(qū)域R為最優(yōu)的矩形區(qū)域R^*(x)；

步驟224：以相鄰像素x′為中心的中央-周?chē)狈綀D特征函數(shù)定義為步驟221中所有以相鄰像素x′為中心的最優(yōu)周?chē)匦螀^(qū)域R_s^*(x′)的高斯加權(quán)χ²距離之和；

所述顏色空間分布法，包括以下步驟：

步驟231：對(duì)步驟10得到的圖像中的所有顏色用高斯混合模型表示；

步驟232：利用步驟231中模型的參數(shù)計(jì)算每個(gè)像素被分配給一種顏色成分的概率；

步驟233：對(duì)步驟232中每一個(gè)顏色成分計(jì)算對(duì)應(yīng)的水平方差和垂直方差，得到對(duì)應(yīng)成分的空間方差；

步驟234：顏色空間分布特征函數(shù)定義為步驟233得到的空間方差中央加權(quán)之和。

3.如權(quán)利要求1所述的基于馬爾科夫模型的顯著性檢測(cè)方法，其特征在于，步驟50中，所述用馬爾科夫模型組合顯著性特征過(guò)程如下：

步驟501，對(duì)步驟40得到的三個(gè)歸一化顯著性特征，分別計(jì)算一元?jiǎng)莺瘮?shù)F_k(a_x,I)，F(xiàn)_k(a_x,I)表示第k個(gè)顯著特征；

步驟502，對(duì)步驟40得到的三個(gè)歸一化顯著性特征，分別計(jì)算二元?jiǎng)莺瘮?shù)S(a_x,a_x',I)配對(duì)特征，其中，二元?jiǎng)莺瘮?shù)S(a_x,a_x',I)表示對(duì)相鄰像素標(biāo)記為不同值的懲罰項(xiàng)的值，a_x表示x像素點(diǎn)的顯著性，a_x'表示x相鄰像素點(diǎn)的顯著性；

步驟503，結(jié)合步驟30得到的每個(gè)顯著性特征圖的最優(yōu)權(quán)重和步驟501、502中得到的顯著特征和配對(duì)特征，根據(jù)公式P(A|I)=1Zexp(ΣxΣk=1KλkFk(ax,I)+Σx,x′S(ax,ax′,I))]]>進(jìn)行線(xiàn)性組合，其中，A為采集圖像I中標(biāo)簽狀態(tài)集合，Z為分配函數(shù)，λ_k表示第k個(gè)顯著特征圖的權(quán)重，K為顯著特征圖的總數(shù)，F(xiàn)_k(a_x,I)是單一變量的勢(shì)函數(shù)，F(xiàn)_k(a_x,I)表示第k個(gè)顯著特征圖，S(a_x,a_x′,I)是雙變量交互勢(shì)函數(shù)，S(a_x,a_x′,I)表示相鄰像素x,x′之間的相互作用關(guān)系。