[發(fā)明專利]基于視覺稀疏認知的顯著目標檢測方法

有效

• 申請?zhí)枺?/td>: 201710589218.9
• 申請日: 2017-07-19
• 公開（公告）號: CN107392211B
• 公開（公告）日: 2021-01-15
• 發(fā)明（設計）人: 王敏;王勇
• 申請（專利權）人: 蘇州聞捷傳感技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T7/11;G06T7/136
• 代理公司: 蘇州翔遠專利代理事務所(普通合伙) 32251
• 代理人: 劉計成

本發(fā)明公開了一種基于視覺稀疏認知的顯著目標檢測方法，通過根據(jù)人類視覺認知的稀疏特性，將顯著性檢測過程處理為圖像背景與顯著目標的重構誤差過程，分別得到基于全局稀疏重構誤差和基于局部稀疏誤差重構的顯著圖，通過一種簡單的結合方法將兩幅顯著圖進行有效融合。彌補了現(xiàn)有方法沒有利用到圖像本身視覺信息的缺陷，提升了顯著圖的質量。

技術領域

本發(fā)明屬于計算機技術領域，更進一步涉及計算機視覺技術領域中的一種基于視覺稀疏認知的顯著目標檢測方法。本發(fā)明可用于對自然圖像的縮放、自然圖像的背景渲染等諸多圖像處理。

背景技術

視覺顯著性目標檢測的目的是讓計算機模擬人類視覺注意機制來尋找場景中最引人注意的部分或區(qū)域。近些年，顯著目標檢測逐漸成為計算機視覺領域的研究熱點，其研究主要致力于尋找使計算機智能地學習和檢測出場景中最引人注意的區(qū)域的技術方法，通常應于用場景分析、圖像縮放、背景渲染、內容傳輸?shù)阮I域。

西安電子科技大學在其申請專利文獻“基于稀疏表示和視皮層注意機制的目標檢測方法”(專利申請?zhí)枺篊N201210001677，公開號：CN102567997A)中公開一種基于稀疏表示和視覺皮層注意機制的顯著性檢測方法。該方法通過使用規(guī)格大小不一的濾波器來對所輸入的自然場景圖像濾波，利用主分量分析方法來得到稀疏基，通過尺度不變性以及香農熵理論進一步構造用于顯著目標檢測的測度，從而得到顯著圖。該方法簡單有效，雖然可以獲得與原始圖像相同分辨率的顯著圖，但仍存在的不足之處是，得到顯著圖的輪廓比較模糊，且采用主分量分析方法得到稀疏基并沒有利用到圖像的自身信息。

Borji A等人在其發(fā)表的論文“Exploiting local and global patch raritiesfor saliency detection”(Computer Vision and Pattern Recognition.IEEE,2012:478-485.)中公開一種基于稀疏表示的顯著性檢測方法。該方法首先對自然界中不用的圖像進行分塊，然后對得到的圖像塊進行學習，從而獲得一個基于自然圖像的字典，并對自然場景中的任意圖像進行表示，再進行后續(xù)的顯著度運算。該方法雖然能夠大致地描述出顯著目標的位置，但仍然存在的不足之處是，字典的選取并沒有利用到圖像自身的特征，如顏色、紋理等，因此，得到的顯著圖質量較差，且背景信息較為復雜。

發(fā)明內容

本發(fā)明針對上述方法的不足，提出一種新的基于視覺稀疏認知的顯著目標檢測方法，通過根據(jù)人類視覺認知的稀疏特性，將顯著性檢測過程處理為與圖像背景信息與顯著目標信息的重構誤差過程，彌補了現(xiàn)有方法沒有利用到圖像本身視覺信息的缺陷。

實現(xiàn)本發(fā)明的具體思路是：首先，將原始圖像分割成不同的超像素，并對所有超像素進行分類，將不屬于某一特定類的超像素作為字典，得到一幅基于全局稀疏重構誤差的顯著圖。其次，通過局部約束線性編碼，得到一幅基于局部稀疏重構誤差顯著圖。最后，通過一種簡單的結合方法將兩幅顯著圖進行有效融合，進而得到最終的顯著圖。

為了實現(xiàn)上述目的，本發(fā)明方法包括如下步驟：

(1)提取輸入圖像的特征向量：

(1a)輸入一幅自然圖像；

(1b)采用簡單線性迭代聚類(SLIC)超像素分割方法，將輸入的自然圖像分割成不同的超像素；

(1c)分別求出每個超像素對應紅綠藍RGB空間和LAB空間的顏色特征的平均值；

(1d)將對應紅綠藍RGB空間和LAB空間的顏色特征得到的平均值，將其按照R,G,B,l,a,b的形式組合成向量，作為該超像素的顏色特征，其中R,G,B表示對應紅綠藍RGB空間的平均值，l,a,b表示對應LAB空間的平均值；

(1e)分別求出輸入自然圖像中每個超像素對應像素坐標位置的平均值；