[發明專利]一種顯著目標識別方法

在審

• 申請號: 201610137293.7
• 申請日: 2016-03-10
• 公開（公告）號: CN106611178A
• 公開（公告）日: 2017-05-03
• 發明（設計）人: 姜艾佳;胡成華
• 申請（專利權）人: 四川用聯信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

該方法涉及圖像處理、圖像識別、計算機視覺技術領域。

背景技術

顯著目標識別是視覺顯著性的一個重要應用。視覺顯著性反映了場景中的目標對人類視覺注意力的吸引能力。通過建立視覺顯著性計算模型可以對這種能力進行量化估計，并用灰度圖像表示出來。視覺顯著性廣泛應用于視覺計算的各種領域，包括顯著目標識別、視頻分析、遙感圖像處理、圖像壓縮等。起初，視覺顯著性計算模型基于顏色、方向、亮度等特征而建立；隨后，馬爾科夫隨機鏈的計算模型被提出，這些計算模型都是基于局部對比的計算模型，能有效地檢測出目標像素與周圍像素的特征差異大小，使得在邊緣附近的像素顯著性較大。但算法僅考慮了局部對比，未考慮全局的結構"布局等因素，容易檢測到局部顯著區域，而不能描述完整的顯著目標。由于其局限性，基于全局對比的計算模型被提出來，基于全局對比的算法參數少且計算簡單，充分考慮了全局的布局等因素，但由于算法缺乏局部對比機制，導致得到的顯著性目標表示的一致性較差。

發明內容

針對現有技術存在的上述問題，本發明綜合考慮了局部對比與全局對比兩方面因素，采用以空間距離為權值的顏色距離來表示顯著性，并利用圖像中顏色的分布性來以全局的角度定義目標整體，解決了片面考慮所帶來的問題，并采用SLIC算法將圖像抽象為多個超像素，每個超像素大小相似且適中，并且基于多尺度的思想，選擇分割成不同的超像素個數，以實現多尺度分析的目的，從而更好地處理不同大小的顯著目標的情況。

本發明的目的是：提高圖像識別率。

本發明為實現上述目的所采用的的技術方案是：一種顯著目標識別方法，該方法的步驟如下：

步驟一：在Lab顏色空間上分割圖像，生成緊湊且邊界清晰的超像素；

步驟二：以超像素間空間距離作為權值的加權顏色距離之和來表示超像素的稀少性R_ik；

步驟三：選擇超像素與其顏色相近的其他的超像素的空間距離之和來表示空間分散性D_ik；

步驟四：計算超像素間的空間距離之和來表示空間分散性S_ik；

步驟五：將每個尺度的顯著值均歸一化到[0，55]，并將其以灰度圖形式表達；

步驟六：求得各尺度的顯著圖后，需將各尺度顯著圖融合以得到最終的顯著圖。

本發明的有益效果是：本發明提出的顯著性計算模型相較于現有的一些模型，提高了顯著目標識別的精確率，為進一步的目標分析提供了良好的基礎。與現有的算法相比，該模型提高了算法對顯著目標大小的適應性，減少了背景對顯著目標識別的干擾，具有更好的一致性，能更好地識別顯著目標。

具體實施方式

下面，具體的描述此發明。

1、圖像抽象化處理

以SLIC算法為框架，把具有相似顏色且距離相近的像素聚類，形成視覺上均勻的區域，生成超像素。利用K-means聚類在Lab顏色空間上分割圖像，生成緊湊且邊界清晰的超像素，所以上述步驟一的超像素的生成方式如下：首先：設定抽象化圖像分為3個尺度，所包含的超像素個數為N_K＝{100,400,1000}，并定義第k個尺度中的第i個超像素在Lab顏色空間上的顏色為C_ik，空間位置為P_ik，其中超像素的顏色由其內部所有像素的平均顏色表示，空間位置取超像素的中心來表示。

2、計算單一尺度超像素的顯著性

由于：(1)具有不同顏色的區域對應顯著性值高，均勻的區域顯著性值低，(2)經常出現的特征應當被抑制，(3)顯著的像素應當聚集在一塊，而不是遍布整幅圖像。所以本算法取N_K＝400，采用以超像素間空間距離作為權值的加權顏色距離之和來表示超像素的稀少性R_ik，所以上述步驟二的稀少性R_ik計算方法如下：

定義d_color(i，j)為第i個超像素與第j個超像素在Lab顏色空間上的歐式距離，并對其歸一化。

定義d_position(i，j)為兩個超像素空間位置的歐式距離，并對其歸一化，定義：