[發(fā)明專利]基于圖模型構建與標簽傳播的視覺顯著性檢測算法

有效

• 申請?zhí)枺?/td>: 201710964549.6
• 申請日: 2017-10-17
• 公開（公告）號: CN107766857B
• 公開（公告）日: 2021-08-03
• 發(fā)明（設計）人: 周圓;張?zhí)礻?/a>;霍樹偉;田寶亮;金斗
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李素蘭

本發(fā)明公開了一種基于圖模型構建與標簽傳播的視覺顯著性檢測算法，步驟1、進行輸入圖像的預處理：將輸入圖像分割為若干個超像素s_i(i∈1～K)；步驟2、進行背景種子的標記；步驟3、構建傳播所需的圖模型；步驟4、完成基于背景種子的顯著性標簽傳播。與現(xiàn)有技術相比，本發(fā)明在客觀指標包括準確率、召回率、綜合評價指標、平均絕對誤差等和主觀評價上都顯著優(yōu)于目前的方法。

技術領域

本發(fā)明涉及計算機視覺領域，特別是涉及一種視覺顯著性檢測算法。

背景技術

視覺顯著性檢測，即檢測給定場景中最能引起人類視覺注意的區(qū)域或目標。利用視覺顯著性檢測技術，計算機可以模仿人類的觀察與思考機制，盡可能不失真地來保留人類所感興趣的區(qū)域，同時對其他區(qū)域進行壓縮，以達到去除冗余信息、提高傳輸速率的目的。目前，已有的算法取得了一定的檢測效果，但在算法效率和檢測精確度等方面仍大有可為之處；此外，針對顯著的區(qū)域集中分布在圖像邊緣的問題，現(xiàn)有技術往往不能成功地完成檢測任務。

發(fā)明內(nèi)容

基于上述現(xiàn)有技術，本發(fā)明提出了一種基于圖模型構建與標簽傳播的視覺顯著性檢測算法，在給定的一幅輸入圖像中模仿人類的選擇性注意機制，標記出最能引起人類視覺注意的區(qū)域，并根據(jù)標記結果生成顯著圖。

本發(fā)明的一種基于圖模型構建與標簽傳播的視覺顯著性檢測算法，包括以下流程：

步驟1、進行輸入圖像的預處理：將輸入圖像分割為若干個超像素s_i(i∈1～K)。其中，K為超像素的個數(shù)；

步驟2、進行背景種子的標記：

首先，計算所有超像素在圖像的全局中與其它超像素的對比度S_c(s_i)：

其中，D_c(i,j)表示超像素s_i與s_j在CIELAB顏色空間的像素特征平均值之間的歐式距離，D_p(i,j)表示超像素s_i與s_j的像素平均位置坐標之間的歐式距離；δ_p為坐標位置控制參數(shù)；

其次，采用了高斯平滑算子來拉大S_c(s_i)中背景區(qū)域與其他區(qū)域之間的顯著值的差距：

S(s_i)＝S_c(s_i)*G(s_i) (2)

其中，為超像素s_i的中心坐標，S(s_i)為初始估計的顯著值，G(s_i)為高斯平滑算子，(x^center，y^center)為高斯平滑算子的中心坐標，S_c(s_i)為超像素s_i在圖像中與其它超像素的對比度，i，j分別表示第i個超像素s_i與第j個超像素s_j；

接著，設定分割閾值T，將初始估計的顯著值S(s_i)低于閾值T的超像素分割出來并添加到背景種子集合中，其中L即Label，表示超像素被標記為種子；B即 Background，表示超像素被標記背景種子；

步驟3、構建傳播所需的圖模型：

首先，構建無向圖G＝(V(G),E(G))，V(G)為節(jié)點集，即超像素在無向圖中由節(jié)點v_i表示，E(G)則表示節(jié)點之間的邊集，其權重ω_i,j即為兩個超像素之間的特征相似度：