[發明專利]多線性示例回歸器聚合的圖像顯著對象分割方法

有效

• 申請號: 201710024794.9
• 申請日: 2017-01-13
• 公開（公告）號: CN106886995B
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 陳小武;夏長群;李甲;趙沁平
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/194
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 宋揚;劉芳

1.多線性示例回歸器聚合的圖像顯著對象分割方法，其特征在于，該方法包含以下步驟：

步驟(1)、分析構建圖像顯著基準數據集中的顯著對象與非顯著對象，總結并定義非顯著對象和顯著對象各自的本質視覺屬性；

步驟(2)、基于超像素劃分，使用背景先驗假設條件，結合局部線性嵌入算法，指導流形保持的前景度傳播，聯合生成圖像前景度概率圖；

步驟(3)、基于前景度概率圖、非顯著對象以及顯著對象的視覺屬性特點，定義圖像顯著對象分割的步驟為：

步驟(3.1)、將每一張訓練圖像利用似物性采樣方法生成候選對象集，定義每一個圖像候選對象的特征描述，包括幾何形狀特征，前景度特征以及關注度特征；

步驟(3.2)、將該張訓練圖像的候選對象當成訓練樣本，并設定正負樣本，基于線性支持向量機，構建線性示例回歸器；

步驟(3.3)、定義多線性示例回歸器聚合方式，對每一測試圖像的候選對象自適應判斷其顯著值，使得更好抑制非顯著對象，凸顯顯著對象，完成圖像顯著對象分割；

步驟(2)中的前景度概率圖，首先將圖像劃分為超像素，然后引入背景先驗假設條件，構建二次優化問題，求解出初始前景度概率圖，自適應選取閾值，選取最可信前景與背景種子點；然后利用局部線性嵌入算法，構建每個超像素與特征空間中最近鄰的線性關系，結合可信種子點進行流形保持的前景度傳播，可凸顯顯著對象并抑制包含有多相似對象的候選背景對象，得到最終前景度概率圖。

2.根據權利要求1所述的多線性示例回歸器聚合的圖像顯著對象分割方法，其特征在于：步驟(1)中的顯著對象與非顯著的視覺屬性特點，通過構建圖像顯著基準數據集，深入分析在構建數據集過程中被丟棄和被包含的圖像，全面調研顯著對象與非顯著對象的本質視覺屬性，在認定圖像是否包含顯著對象時，若認為具有歧義性或迷惑性，則將其丟棄，相似對象多、邊界形狀復雜以及對象度偏低是阻止其被認為是無歧義的顯著對象的三個原因，而對于包含明確顯著對象的圖像，發現不同的圖像具有顯著不同的顯著方式，因此顯著對象分割模型要能自適應的滿足不同的圖像場景，并能抑制干擾非顯著對象。

3.根據權利要求1所述的多線性示例回歸器聚合的圖像顯著對象分割方法，其特征在于：步驟(1)中被認為是非顯著對象的三個原因，分別是相似對象多、邊界形狀復雜以及對象度偏低，相似對象多是指對于一張包含多個相似候選對象的圖像，很難決定哪個對象最顯著，即當多個對象都可能被認為是顯著對象時，將不可避免的帶來多標簽歧義性，邊界形狀復雜是指當一個對象的形狀越復雜，則越可能被認為是非顯著對象，對象度偏低是指由于語義屬性的關系，最顯著的區域也會被認為是非顯著對象，被當作圖像背景。

4.根據權利要求1所述的多線性示例回歸器聚合的圖像顯著對象分割方法，其特征在于：步驟(3.1)中的候選對象的特征描述，首先，利用似物性采樣方法將圖像劃分為候選對象集，每一個候選對象用似物性分值來表征成為對象的概率，根據非顯著對象的三個本質視覺屬性特點，即相似對象多、邊界形狀復雜以及對象度偏低，對每一個圖像候選對象進行特征描述，包括幾何形狀特征，前景度特征以及關注度特征，為此，用步驟(2)生成的前景度概率圖，生成前景度特征；用預訓練好的關注視點檢測模型生成關注概率圖，對每一個候選對象生成關注度特征；此外，對每一個候選對象用長寬比、面積周長比、重心位置、離心率表征其幾何屬性。

5.根據權利要求1所述的多線性示例回歸器聚合的圖像顯著對象分割方法，其特征在于：步驟(3.2)中的構建線性示例回歸器，針對每一張訓練圖像，首先生成候選對象集，使用步驟(3.1)的三種特征描述對其進行表征；然后根據該訓練圖像的基準顯著圖對每一候選計算基準度，設定基準度的閾值，將候選對象集劃分為正負樣本；最后利用線性支持向量機，訓練線性示例回歸器，以表征其特定的凸顯顯著對象和抑制非顯著對象的方式。

6.根據權利要求1所述的多線性示例回歸器聚合的圖像顯著對象分割方法，其特征在于：步驟(3.3)中的多線性示例回歸器聚合方式，每一個線性示例回歸器都表征其對應訓練圖像的特定顯著方式，為了能處理任意復雜度場景的顯著對象分割任務，應能自適應的聚合其線性示例回歸器，針對測試圖像的任一候選對象，每一個線性示例回歸器都可計算其表征的顯著概率，設計感知函數，使其凸顯最相關的線性示例回歸器，抑制不相關的回歸器帶來的噪聲，提高最終顯著結果的準確性。