[發(fā)明專利]基于多尺度區(qū)分性子空間的圖像顯著對象的檢測方法

在審

• 申請?zhí)枺?/td>: 201610144000.8
• 申請日: 2016-03-14
• 公開（公告）號: CN105761269A
• 公開（公告）日: 2016-07-13
• 發(fā)明（設(shè)計(jì)）人: 田永鴻;方舒;黃鐵軍
• 申請（專利權(quán)）人: 北京大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/66
• 代理公司: 北京市商泰律師事務(wù)所 11255
• 代理人: 毛燕生

1.一種基于多尺度區(qū)分性子空間的圖像顯著對象的檢測方法，其特征在于，包括以下步驟：

獲取測試圖像；

基于大規(guī)模數(shù)據(jù)學(xué)習(xí)碼本，通過碼本映射，得到所述測試圖像在至少一個(gè)預(yù)先建立的用于區(qū)分的子空間模型中子空間內(nèi)的圖像表示；

對所述測試圖像在至少一個(gè)子空間內(nèi)的圖像表示，使用自適應(yīng)矩形框隨機(jī)對比度計(jì)算方法，得到所述測試圖像的各個(gè)子空間對應(yīng)的隨機(jī)對比度特征圖；

基于所述用于區(qū)分的子空間模型，根據(jù)所述測試圖像的隨機(jī)對比度特征圖，預(yù)測所述測試圖像的顯著度值；根據(jù)所述測試圖像的顯著度值，分割出所述測試圖像的顯著對象。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用于區(qū)分的子空間模型的建立步驟包括：

獲取第一訓(xùn)練圖像；

基于大規(guī)模數(shù)據(jù)學(xué)習(xí)碼本，通過碼本映射，得到所述第一訓(xùn)練圖像的在至少一個(gè)子空間內(nèi)的圖像表示；

對所述第一訓(xùn)練圖像的在每個(gè)子空間的圖像表示，使用自適應(yīng)矩形框隨機(jī)對比度計(jì)算方法，得到所述第一訓(xùn)練圖像的隨機(jī)對比度特征圖；

基于所述第一訓(xùn)練圖像的隨機(jī)對比度特征圖，通過樣本對學(xué)習(xí)方法，得到用于區(qū)分的子空間模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述碼本的學(xué)習(xí)步驟包括：

獲取第二訓(xùn)練圖像；

從每張所述第二訓(xùn)練圖像上提取相互之間無重疊的至少一個(gè)第二宏塊；

將各個(gè)所述第二宏塊的所有像素拉伸為第二一維顏色向量；

歸一化所有第二宏塊，學(xué)習(xí)并獲得至少一個(gè)與所述第二一維顏色向量同維的碼本向量。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述通過碼本映射，得到所述第一訓(xùn)練圖像的在至少一個(gè)子空間內(nèi)的圖像表示的步驟包括：

3.1)對所述第一訓(xùn)練圖像建立高斯金字塔，獲得所述第一訓(xùn)練圖像的多尺度表示數(shù)據(jù)；

3.2)從所述多尺度表示數(shù)據(jù)中提取相互之間無重疊的第一宏塊，將每個(gè)所述第一宏塊拉伸為第一一維顏色向量；將各個(gè)所述碼本向量與所述第一宏塊的第一一維顏色向量的內(nèi)積結(jié)果，作為所述第一訓(xùn)練圖像中各個(gè)第一宏塊對所述碼本的映射系數(shù)；

3.3)將所述高斯金字塔中每個(gè)多尺度表示數(shù)據(jù)通過步驟3.2)得到至少一個(gè)映射系數(shù)；將所述映射系數(shù)按照所述第一宏塊的位置排列得到的二維數(shù)據(jù)，作為所述第一訓(xùn)練圖像在子空間內(nèi)的圖像表示；

3.4)重復(fù)以上步驟，得到所述第一訓(xùn)練圖像在不同尺度對不同碼本的圖像表示；將所有所述第一訓(xùn)練圖像在不同尺度對不同碼本的圖像表示縮放到所述第一訓(xùn)練圖像的大小，并歸一化到范圍[0,1]，生成所述第一訓(xùn)練圖像的在不同尺度對不同碼本的映射系數(shù)圖。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述第一訓(xùn)練圖像的在每個(gè)子空間的圖像表示，使用自適應(yīng)矩形框隨機(jī)對比度計(jì)算方法，得到所述第一訓(xùn)練圖像的隨機(jī)對比度特征圖的步驟包括：

4.1)對每個(gè)所述映射系數(shù)圖，自適應(yīng)地生成至少一個(gè)隨機(jī)矩形框；

4.2)計(jì)算每個(gè)所述隨機(jī)矩形框的對比度結(jié)果；將所有所述隨機(jī)矩形框的對比度結(jié)果的均值作為所述第一訓(xùn)練圖像的隨機(jī)對比度特征圖。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述的自適應(yīng)地生成至少一個(gè)隨機(jī)矩形框的步驟包括：

5.1)設(shè)定初始隨機(jī)矩形框個(gè)數(shù)，并計(jì)算得到每個(gè)所述隨機(jī)矩形框的對比度圖；

5.2)每次使用兩倍于上次的隨機(jī)矩形框數(shù)目來計(jì)算對比度圖，直到前后兩次得到的對比度圖之差小于閾值，則使用當(dāng)前隨機(jī)矩形框數(shù)目。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過樣本對學(xué)習(xí)方法，得到用于區(qū)分的子空間模型的步驟包括：

7.1)從所述第一訓(xùn)練圖像中采集正例和負(fù)例；

7.2)基于樣本對學(xué)習(xí)方法，學(xué)習(xí)得到具有重要/不重要內(nèi)容區(qū)分性的子空間和融合方式，從而得到用于區(qū)分的子空間模型。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述從第一訓(xùn)練圖像中采集正例和負(fù)例的步驟包括：

8.1)對高斯模糊之后的視點(diǎn)密度圖，用第一宏塊包含像素的視點(diǎn)密度圖均值來度量第一宏塊的顯著性；

8.2)按照所述第一宏塊的顯著度值的高低順序，選擇預(yù)訂第一數(shù)量的正例，選擇預(yù)訂第二數(shù)量的負(fù)例；被選擇的所述正例的顯著度值不低于第一設(shè)定閾值；被選擇的所述負(fù)例的顯著度值不高于第二閾值。