[發明專利]基于濾波優化的視覺顯著性目標檢測方法

在審

• 申請號: 201710864816.2
• 申請日: 2017-09-22
• 公開（公告）號: CN107665347A
• 公開（公告）日: 2018-02-06
• 發明（設計）人: 曹劍中;劉利強;郭惠楠
• 申請（專利權）人: 中國科學院西安光學精密機械研究所;中國科學院大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/46;G06T7/11;G06T7/66
• 代理公司: 西安智邦專利商標代理有限公司61211
• 代理人: 唐沛

技術領域

本發明屬于圖像處理和計算機視覺領域，涉及一種基于濾波優化的視覺顯著性目標檢測方法。

背景技術

在人的視覺范圍里,人眼視覺系統能夠快速準確的判斷感興趣的區域。近年來,研究者致力于在計算機視覺中完成快速準確的顯著區域的提取,并且取得了顯著的成果。圖像顯著性區域檢測研究的目的是獲得高質量的顯著圖,顯著圖反映了圖像中不同區域的顯著程度。利用顯著圖可以快速處理圖像中的顯著區域。基于顯著圖的應用領域非常廣泛,比如圖像檢索、圖像分割、目標識別、自適應的區域壓縮和靈活的圖像縮放等領域。

圖像的顯著性檢測方法可以分為基于任務驅動、自上而下的方法和基于數據驅動、自下而上的方法。自上而下的方法其圖像的顯著特征需要一個較大規模且包含特定對象的數據集通過相關監督式學習訓練得到。而自下而上的顯著性檢測方法主要依據底層的數據信息，從圖像的特征找到感興趣的區域。

對比度是決定一個物體能引起人注意與否的關鍵因素，而自上而下顯著性檢測模型都是通過對比度來衡量目標的顯著性。

基于對比度的顯著性檢測可以分為兩種,基于局部對比度和全局對比度的顯著性檢測。

基于局部對比度的方法主要是利用圖像區域相對于局部領域的稀有度的特性。

參見Itti等人在論文“State-of-the-art in visual attention modeling”中提出了基于特征集成理論和中心周圍(Center-surround) 原理設計的方法,使用了多種色度、強度、寬頻調諧顏色和Gabor局部方向等多種特征。

參見Liu等人在論文“Learning to Detect a Salient Object”中提出了一種利用原圖像生成多尺度的高斯金字塔圖像,然后線程合成多尺度局部對比度的方法。

參見Ma和Zhang等人在論文“Contrast-based image attention analysis by using fuzzy growing”中將出發點放在了圖像的性質和計算機的計算水平上,并利用模糊增長理論進行擴張。

基于全局對比度的顯著性檢測是用一個區域和整個圖像的對比度來計算顯著性值。

參見Zhai和Shah在論文“Visual attention detection in video sequences using spatiotemporal cues”(LC方法)中提出的統計某像素與其他像素之間的亮度差異來計算顯著值的方法，不足之處是僅利用亮度信息，忽略了其他特征。

參見Cheng等人再論文“Global contrast based salient region detection”(HC和RC方法)里提出的基于直方圖對比度的方法和基于區域對比度的方法，主要特點是通過建立稀疏直方圖加速計算與存儲，同時考慮空間關系，引進空間權值來定義顯著性值。此外通過頻率分析進行顯著性檢測的方法也可以認為是基于全局對比度的方法,參見 Hou等在論文“Saliency Detection:A Spectral Residual Approach” (SR方法)里直接分析圖像的對數頻譜,在頻域抽取圖像的剩余頻譜快速計算圖像的顯著圖。

參見Achanta等人在論文“Frequency-tuned Salient Region Detection”(FT方法)里提出的頻率調諧方法，使用高斯差分方法提取全分辨率的顯著圖，但不利于處理復雜背景下的顯著性目標檢測。

發明內容

為了解決現有的顯著性檢測方法獲取的顯著圖存在邊緣和紋理信息缺失的問題，提出一種基于濾波優化的顯著性檢測方法，該方法獲取的顯著圖邊緣信息保持完整，顯著物體突出。

本發明采用的技術方案是：

一種基于濾波優化的顯著性目標檢測方法，包括以下步驟：

1)利用圖像分割方法將原始圖像分成若干個區域；

2)利用每個區域與其他區域的顏色對比度加權和來定義該區域的顯著值；

3)引進空間位置信息，利用步驟2)中區域與原始圖像中心的距離關系構造空間位置特征函數對該區域的顯著值進行優化；

4)重復步驟2)和步驟3)計算每個區域的顯著值形成所需的顯著圖；

5)應用快速導向濾波方法來優化顯著圖。

上述步驟2)的具體方法是：