[發(fā)明專利]一種基于語義信息與邊緣約束的前景目標檢測方法

有效

• 申請?zhí)枺?/td>: 201711419447.2
• 申請日: 2017-12-25
• 公開（公告）號: CN108038857B
• 公開（公告）日: 2018-10-12
• 發(fā)明（設(shè)計）人: 袁丁;強晶晶;胡曉輝;張弘
• 申請（專利權(quán)）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/194;G06T7/136;G06T7/13;G06T7/90
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

1.一種基于語義信息與邊緣約束的前景目標檢測方法，其特征在于包括以下步驟：

(1)基于語義邊緣約束的圖像分層分割：將輸入圖像在Lab顏色空間中得到的歸一化邊緣信息，與在語義標簽上得到的語義邊緣約束信息進行線性組合得到圖像的邊緣信息，利用contours2ucm算法將所述圖像的邊緣信息進行計算，得到衡量輸入圖像邊緣權(quán)重的超度量輪廓圖UCM，通過設(shè)置不同的閾值，對超度量輪廓圖UCM進行分層分割，從而得到基于語義邊緣約束的圖像分層分割區(qū)域；

(2)位置模型的建立：對所述輸入圖像進行多尺度的顯著性檢測，得到包圍所述輸入圖像的前景目標的顯著性窗口，利用所述顯著性窗口的重疊性，得到多個顯著性窗口包圍下的輸入圖像像素的位置概率，然后利用步驟(1)得到的圖像分層分割區(qū)域?qū)斎雸D像像素的位置概率進行更新，從而建立輸入圖像的位置模型；

(3)外觀模型的建立：利用步驟(1)得到的語義邊緣約束信息，計算顯著性窗口的內(nèi)、外語義標簽的分布特征向量，并計算內(nèi)、外語義標簽的分布特征向量的差值，選擇3/4區(qū)域為前景像素點的顯著性窗口，計算顯著性窗口內(nèi)、外的像素位置概率，并利用該位置概率得到輸入圖像的前景與背景的分割閾值；通過分割閾值得到輸入圖像的前景與背景區(qū)域，然后在所述前景區(qū)域與背景區(qū)域上建立基于Lab顏色空間的高斯混合模型GMM，從而得到外觀模型，外觀模型由兩個高斯混合模型組成，在前景區(qū)域中的高斯混合模型定義為A₁，在背景區(qū)域中的高斯混合模型定義為A₀；

(4)平滑約束的構(gòu)建：融合輸入圖像對比度信息與輸入圖像超度量輪廓圖的邊緣權(quán)重信息，對輸入圖像中相鄰像素之間的邊緣進行平滑約束，實現(xiàn)分割能量模型中平滑項的建立；

(5)結(jié)合輸入圖像的位置模型與外觀模型，得到衡量像素前景背景標簽標記代價的數(shù)據(jù)項，通過所述數(shù)據(jù)項與平滑項，建立分割能量模型，利用迭代式算法優(yōu)化求解分割能量函數(shù)，最終得到圖像像素的最優(yōu)分割標簽，實現(xiàn)前景目標的檢測。

2.根據(jù)權(quán)利要求1所述的基于語義信息與邊緣約束的前景目標檢測方法，其特征在于：所述步驟(1)中，線性組合得到圖像的邊緣信息為：

將像素x_i的歸一化邊緣信息定義為S_n(x_i)，將像素x_i的語義邊緣約束信息定義為S_a(x_i)，基于歸一化邊緣與語義邊緣信息的提取機制，通過S_n(x_i)和S_a(x_i)的線性組合得到圖像的邊緣信息S_f(x_i)＝S_n(x_i)+δ_a·S_a(x_i)，其中參數(shù)δ_a是用來控制語義邊緣約束的權(quán)重。

3.根據(jù)權(quán)利要求2所述的基于語義信息與邊緣約束的前景目標檢測方法，其特征在于：所述δ_a＝400。

4.根據(jù)權(quán)利要求1所述的基于語義信息與邊緣約束的前景目標檢測方法，其特征在于：所述步驟(2)中，建立輸入圖像的位置模型L(x_i|c_i)為：

其中，F(xiàn)(x_i)為像素點的位置概率，σ為阻尼參數(shù)，x_i為像素，c_i表示像素的標簽，c_i＝1表示像素為前景像素點，c_i＝0表示像素為背景像素點。