[發(fā)明專利]一種基于條件隨機(jī)場的顯著性檢測優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 201810256988.6
• 申請日: 2018-03-26
• 公開（公告）號: CN108491883B
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計(jì)）人: 牛玉貞;林文奇;柯逍;陳俊豪
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/762;G06V10/74;G06V10/771
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 蔡學(xué)俊

本發(fā)明涉及一種基于條件隨機(jī)場的顯著性檢測優(yōu)化方法，其特征在于，包括以下步驟：步驟S1：提取輸入圖像集合中各圖像的全局深度卷積特征；步驟S2：根據(jù)全局深度卷積特征計(jì)算輸入圖像集合中兩兩圖像之間的相似性；步驟S3：根據(jù)圖像之間的相似性對輸入圖像集合進(jìn)行K?means聚類，形成k個(gè)相互獨(dú)立的圖像簇；步驟S4：采用網(wǎng)格搜索方法計(jì)算每個(gè)圖像簇的全連接條件隨機(jī)場最優(yōu)參數(shù)；步驟S5：對于新的輸入圖像，判斷其所屬的圖像簇，采用所屬圖像簇的全連接條件隨機(jī)場最優(yōu)參數(shù)對所述新的輸入圖像的顯著性圖進(jìn)行優(yōu)化。該方法適用于多種顯著性檢測算法的優(yōu)化，且優(yōu)化效果好。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像和視頻處理以及計(jì)算機(jī)視覺領(lǐng)域，特別是一種基于條件隨機(jī)場的顯著性檢測優(yōu)化方法。

背景技術(shù)

圖像顯著性檢測算法提取圖像中最吸引人注意的地方，這部分信息在實(shí)際應(yīng)用中的重要性較其它區(qū)域相比更大。顯著性檢測算法被廣泛應(yīng)用于包括圖像分割、圖像分類、圖像檢索等實(shí)際應(yīng)用中。因此，大量學(xué)者研究圖像顯著性檢測算法并不斷提出最新的算法。Margolin等人提出一種基于主成分分析法(Principal Component Analysis，PCA)的顯著性檢測算法，該算法計(jì)算模式差異性來檢測顯著性圖。Wei等人提出一種基于測地線(Geodesic saliency，GS)的顯著性檢測算法，該算法關(guān)注圖像的背景先驗(yàn)信息。Kim等人提出一種基于高維顏色轉(zhuǎn)換(High-dimensional Color Transform，HDCT)的顯著性檢測算法，將低維的RGB顏色圖映射到高維的顏色特征空間，并在高維空間查找一個(gè)最優(yōu)的顏色系數(shù)線性組合來定義顯著性區(qū)域。但現(xiàn)有的圖像顯著性檢測算法與人工標(biāo)注的標(biāo)準(zhǔn)圖像相比都有一定的缺陷，比如PCA算法注重于提取顯著對象的邊緣，幾乎無法檢測出顯著對象的中間部分。GS算法只能提取到顯著對象的部分區(qū)域，HDCT算法將一部分的背景也檢測為顯著性對象。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于條件隨機(jī)場的顯著性檢測優(yōu)化方法，該方法適用于多種顯著性檢測算法的優(yōu)化，且優(yōu)化效果好。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：一種基于條件隨機(jī)場的顯著性檢測優(yōu)化方法，包括以下步驟：

步驟S1：提取輸入圖像集合中各圖像的全局深度卷積特征；

步驟S2：根據(jù)全局深度卷積特征計(jì)算輸入圖像集合中兩兩圖像之間的相似性；

步驟S3：根據(jù)圖像之間的相似性對輸入圖像集合進(jìn)行K-means聚類，形成k個(gè)相互獨(dú)立的圖像簇；

步驟S4：采用網(wǎng)格搜索方法計(jì)算每個(gè)圖像簇的全連接條件隨機(jī)場最優(yōu)參數(shù)；

步驟S5：對于新的輸入圖像，判斷其所屬的圖像簇，采用所屬圖像簇的全連接條件隨機(jī)場最優(yōu)參數(shù)對所述新的輸入圖像的顯著性圖進(jìn)行優(yōu)化。

進(jìn)一步地，所述步驟S1中，提取圖像的全局深度卷積特征，包括以下步驟：

步驟S11：提取圖像的局部深度卷積特征，該特征由圖像識別深度網(wǎng)絡(luò)的最后一層卷積層產(chǎn)生，對于輸入的圖像I，輸出d維t×t的局部深度卷積特征f；

步驟S12：計(jì)算局部深度卷積特征的聚合權(quán)重，計(jì)算公式如下：

其中，α(x,y)表示圖像I中像素點(diǎn)(x,y)的聚合權(quán)重，σ取圖像中心與最近邊界之間距離的1/3；

步驟S13：加權(quán)聚合局部深度卷積特征，得到初步全局特征，計(jì)算公式如下：

其中，表示圖像I聚合后的初步全局特征，維數(shù)是d，W和H分別表示圖像的寬度和高度，f(x,y)表示圖像I中像素點(diǎn)(x,y)的局部深度卷積特征；

步驟S14：對進(jìn)行L2規(guī)范化處理，計(jì)算公式如下：