[發明專利]基于背景先驗和前景節點的感興趣區域檢測方法

在審

• 申請號: 201710963434.5
• 申請日: 2017-10-13
• 公開（公告）號: CN107977660A
• 公開（公告）日: 2018-05-01
• 發明（設計）人: 張芳;肖志濤;王萌;耿磊;吳駿;劉彥北;王雯
• 申請（專利權）人: 天津工業大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06T7/136
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于背景先驗和前景節點的感興趣區域檢測方法，包括下列步驟：

步驟1：輸入一幅原始圖像，利用SLIC算法將圖像分割成N個超像素；

步驟2：計算基于背景的顯著圖，并利用元胞自動機進行優化；

步驟2-1：利用K-means聚類算法對邊界超像素進行聚類得到分類的邊緣種子；

步驟2-2：根據聚類結果構建全局顏色差異矩陣和全局空間距離矩陣并將它們融合成基于背景先驗的顯著圖；

步驟2-3：利用單層元胞自動機初步優化基于背景的顯著圖，得到優化后的基于背景的顯著圖

步驟3：計算基于前景節點的顯著圖，并利用偏置的高斯濾波進行優化；

步驟3-1：對基于背景先驗的顯著圖進行自適應閾值分割，根據所得的二值圖像得到前景目標的初始位置，得到前景節點的集合FG；

步驟3-2：利用超像素的顏色信息和位置信息的對比度關系計算顯著度，得到基于前景節點的顯著性結果：

SiFG=Σj≠i,j∈FGλ1l(ci,cj)+λ2l(Ii,Ij)]]>

其中，l(c_i，c_j)表示第i個超像素與前景節點集合中第j個超像素在CIElab顏色空間中的歐氏距離，l(I_i，I_j)表示第i個超像素與前景節點集合中第j個超像素的空間距離，λ₁和λ₂是權重系數；

步驟3-3：根據前景節點目標的位置構建高斯模型：

G(x，y)＝exp(-λ(((x-dx)/w)²+((y-dy)/h)²))

其中，(dx，dy)是圖像前景節點的中心坐標，w和h分別是圖像的寬度和高度，λ是權重系數；

步驟3-4：利用目標偏置的高斯濾波優化基于前景節點的顯著圖，

SaliFG=SiFG*G(x,y)]]>

步驟4：將基于背景先驗和前景節點的顯著圖進行融合，得到最終的顯著圖：

Si=SaliBG*(1-exp(-β*SaliFG))]]>

其中，β是權衡系數。