[發明專利]一種圖像協同顯著性檢測方法及裝置

有效

• 申請號: 201810103215.4
• 申請日: 2018-02-01
• 公開（公告）號: CN110111295B
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 王睿;王蘊紅;趙文婷
• 申請（專利權）人: 北京中科奧森數據科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

本發明實施例實公開了一種圖像協同顯著性檢測方法及裝置，該方法包括：利用第一網絡層組對兩張圖像進行特征提取，分別得到第一特征圖集以及第二特征圖集；利用第二網絡層組學習第一特征圖集與第二特征圖集之間的協同性，得到協同特征圖集；將第一特征圖集以及第二特征圖集分別與協同特征圖集進行疊加，并將疊加后得到的兩個特征圖集分別進行反卷積，得到所述兩張圖像分別對應的協同顯著圖。本發明實施例中的整個檢測過程在網絡模型中完成，所以無論是提取圖像特征還是確定圖像之間的協同關系，整個檢測過程中各個步驟使用到的網絡參數都可以進行不斷優化，使用經過不斷優化后的網絡模型檢測圖像之間協同顯著性，能夠保證檢測結果的準確性。

技術領域

本發明實施例涉及圖像處理技術領域，尤其涉及一種圖像協同顯著性檢測方法及裝置。

背景技術

協同顯著性檢測是近年來計算機視覺領域新興并快速發展的研究領域，其目的從多張具有相關性(協同性)的圖片中檢測出在多張圖片中同時出現且在單圖中分別顯著的區域。協同顯著性檢測技術對計算機視覺領域的多項任務如協同分割、協同識別及協同定位等工作都具有十分重要意義。協同顯著性檢測的過程為首先進行圖像特征提取，然后使用聚類方法或者固定公式確定圖像之間的協同關系，進而根據圖像之間的協同關系生成協同顯著性檢測結果。

圖像特征提取過程用于提取圖像中具有代表性的特征來描述圖像中的顯著區域。目前大量的協同顯著性檢測方法使用底層特征(顏色、形狀、紋理)描述圖像的顯著區域信息，如使用顏色直方圖、Gabor濾波器或SIFT(Scale-invariant feature transform，尺度不變特征變換)特征描述子等進行描述。但是使用底層特征描述圖像的特征信息準確性較差，從而導致協同顯著性檢測的準確性較差。

而且確定圖像之間的協同關系使用的聚類方法或者固定公式無法進行訓練或優化，從而導致得到的協同關系準確性差，錯誤的協同關系會導致檢測出的顯著區域不具有協同性，進而導致協同顯著性檢測的準確性較差。

發明內容

本發明實施例提供了一種圖像協同顯著性檢測方法，以解決現有協同顯著性檢測方法準確性較差的問題。

第一方面，本發明實施例提供了一種圖像協同顯著性檢測方法，該方法包括：

利用第一網絡層組對兩張圖像進行特征提取，分別得到第一特征圖集以及第二特征圖集；

利用第二網絡層組學習所述第一特征圖集與所述第二特征圖集之間的協同性，得到協同特征圖集；

將所述第一特征圖集以及所述第二特征圖集分別與所述協同特征圖集進行疊加，并將疊加后得到的兩個特征圖集分別進行反卷積，得到所述兩張圖像分別對應的協同顯著圖。

進一步地，利用第一網絡層組對兩張圖像進行特征提取，分別得到第一特征圖集以及第二特征圖集的步驟，包括：

將兩張圖像分別通過VGG16網絡所包含的卷積層進行卷積處理，得到第三特征圖集以及第四特征圖集；

將所述第三特征圖集以及第四特征圖集再分別進行卷積處理，得到第一特征圖集以及第二特征圖集。

進一步地，利用第二網絡層組學習所述第一特征圖集與所述第二特征圖集之間的協同性，得到協同特征圖集的步驟，包括：

將第一特征圖集與所述第二特征圖集進行疊加得到第五特征圖集；

將所述第五特征圖集進行卷積處理，得到協同特征圖集。

進一步地，得到所述兩張圖像分別對應的協同顯著圖的步驟之后，還包括：

將所述兩張協同顯著圖分別與相應的真實協同顯著圖進行對比，得到第一誤差以及第二誤差；

利用所述第一誤差以及所述第二誤差優化所述第一網絡層組、所述第二網絡層組以及進行所述反卷積處理利用的網絡層的參數。