[發(fā)明專利]一種基于K-means聚類擬合的顯著性檢測(cè)優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710522004.X
• 申請(qǐng)日: 2017-06-30
• 公開（公告）號(hào): CN107330431B
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計(jì)）人: 牛玉貞;林文奇;柯逍;陳羽中
• 申請(qǐng)（專利權(quán)）人: 福州大學(xué)
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06K9/46;G06K9/62
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 蔡學(xué)俊

1.一種基于K-means聚類擬合的顯著性檢測(cè)優(yōu)化方法，其特征在于：包括以下步驟：

步驟S1：提取圖像的場(chǎng)景GIST特征；

步驟S2：提取圖像的顏色直方圖特征；

步驟S3：根據(jù)場(chǎng)景GIST特征和顏色直方圖特征計(jì)算圖像間的相似性；

步驟S4：根據(jù)圖像間的相似性對(duì)圖像集合進(jìn)行K-means聚類，分成k個(gè)相互獨(dú)立的圖像簇；

步驟S5：計(jì)算每個(gè)圖像簇的擬合模型；

步驟S6：判斷新的輸入圖像所屬的圖像簇，將該圖像簇的擬合模型作用在輸入圖像的顯著性圖上進(jìn)行優(yōu)化；

步驟S5中，計(jì)算每個(gè)圖像簇的擬合模型，包括以下步驟：

步驟S51：統(tǒng)計(jì)圖像簇C_r中每幅圖像I_i的直方圖數(shù)據(jù)：

其中，S_i(p)是I_i對(duì)應(yīng)的顯著性圖S_i中像素p的顯著性值，G_i(p)是I_i對(duì)應(yīng)的標(biāo)注圖G_i中像素p的顯著性值；δ{.}是指示函數(shù)，當(dāng)括號(hào)里的條件滿足時(shí)，值為1，否則為0；和是顯著性圖像S中與標(biāo)注圖像G_i顯著對(duì)象區(qū)域和非顯著對(duì)象區(qū)域?qū)?yīng)的區(qū)域顯著性為v的像素?cái)?shù)，其中0＝v＝255；

步驟S52：統(tǒng)計(jì)每個(gè)圖像簇所有圖像的直方圖數(shù)據(jù)：

其中，|T_r|表示圖像簇C_r中的圖像總數(shù)；

步驟S53：計(jì)算每個(gè)圖像簇的擬合模型，將進(jìn)行擬合的點(diǎn)集中的每個(gè)點(diǎn)表示成(x_l,y_l)，其中x_l是自變量，表示顯著性圖像中的像素l的顯著性值，x_l∈{0,1,2,...,255}，y_l是因變量，表示x_l對(duì)應(yīng)的標(biāo)注圖像中的像素值，y_l∈{0,255}，則圖像簇C_r的擬合點(diǎn)集包括個(gè)(v,255)和個(gè)(v,0)，圖像簇C_r的擬合模型如下：

采用最小二乘法求解擬合模型：

其中，β₁、β₂、β₃、β₄、β₅為待定系數(shù)；

步驟S6中，判斷新的輸入圖像所屬的圖像簇，將該圖像簇的擬合模型作用在輸入圖像的顯著性圖上進(jìn)行優(yōu)化，包括以下步驟：

步驟S61：通過(guò)求解以下最優(yōu)化問(wèn)題得到輸入圖像I_e所屬的圖像簇c_e：

其中，{U_r|r＝1,...,k}是步驟S4計(jì)算得到的最終圖像簇的中心，F(xiàn)(I_e,U_r)是圖像I_e和中心U_r的相似性；

步驟S62：將圖像簇c_e的擬合模型f_cr作用在輸入圖像I_e的顯著性圖上進(jìn)行優(yōu)化：

x_fl＝f_cr(x_l,B₁,B₂,B₃,B₄,B₅)

其中，B₁、B₂、B₃、B₄、B₅表示步驟S5確定的參數(shù)值，x_l表示輸入圖像I_e的顯著性圖中像素點(diǎn)l的顯著性值，x_fl表示擬合后的顯著性值；

步驟S63：對(duì)擬合后的顯著性值進(jìn)行約束處理；判斷擬合后顯著性數(shù)值的范圍，如果部分超出[0,255]范圍，先截?cái)嗵幚碓贇w一化處理，截?cái)嗪蜌w一化處理的公式分別如下：

其中，κ＝0，X是顯著性圖中所有顯著值的集合，x_fl、x_tl、x_nl分別表示擬合后，截?cái)嗵幚砗笠约皻w一化后的顯著性值，max()和min()函數(shù)分別計(jì)算括號(hào)中數(shù)據(jù)的最大值和最小值；

否則擬合后顯著性數(shù)值的范圍全部在[0,255]范圍內(nèi)或全部超過(guò)[0,255]范圍，此時(shí)直接進(jìn)行歸一化處理。