[發明專利]一種圖像顯著性目標檢測的方法

有效

• 申請號: 201810348789.8
• 申請日: 2018-04-18
• 公開（公告）號: CN108537239B
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 劉桂華;周飛;張華;徐鋒;鄧豪
• 申請（專利權）人: 西南科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/40;G06K9/34;G06K9/62
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 何凡

本發明公開了一種圖像顯著性目標檢測的方法，其包括以下步驟：將目標圖像進行圖像分割空間轉換；對空間中的圖像進行像素顯著性值計算，得到顯著性圖；將得到的顯著性圖與得到的分割圖組結合并得到顯著性分割圖；將該顯著性分割圖的灰度值設置為255或0，得到整個圖像的顯著性目標區域二值圖；將顯著性目標二值圖進行形態學開操作后進行邊緣檢測；將空間中的圖像進行超像素分割后與具有最小外接矩形的圖像相結合后進行相似度檢測，得到背景種子和前景種子；分割出對應的顯著性目標，得到圖像中每個具有全分辨率的顯著性目標，完成圖像顯著性目標檢測。本發明能夠準確地分割出顯著性目標的背景和前景，具有精度高、效果好等特點。

技術領域

本發明涉及計算機圖像處理領域，具體涉及一種圖像顯著性目標檢測的方法。

背景技術

顯著性目標檢測是計算機圖像處理中的基本操作，顯著性目標檢測是指自動提取未知場景中符合人類視覺習慣的興趣目標的方法。目前對于目標顯著性的分析計算已經成為計算機視覺領域研究的一個熱點，它被廣泛應用到各個領域，如圖像分割，目標識別，圖像壓縮，及圖像檢索等等。計算機在進行相關圖像處理操作前可以采用顯著性檢測技術過濾掉無關信息，從而大大減小圖像處理的工作，提高效率。

現有的顯著性目標檢測方法主要包括基于視覺注意模型、背景先驗、中心先驗和對比度。

(1)視覺注意模型是一種用計算機來模擬人類視覺注意力系統的模型，在一幅圖像中提取人眼所能觀察到的引人注意的檢點，相對于計算機而言，就是該圖像的顯著性，比如Itti注意力模型，它是1998年由Itti等人在《Computational Modeling of VisualAttention》中提出的，是比較經典的視覺注意力模型之一。該模型的基本思想是在圖像中通過線性濾波提取顏色特征、亮度特征和方向特征，通過高斯金字塔、中央周邊操作算子和歸一化處理后，形成12張顏色特征地圖、6張亮度特征地圖和24張方向特征地圖，將這些特征地圖結合和歸一化處理后，分別形成顏色、亮度、方向關注圖，三個特征的關注圖線性融合生成顯著性圖，再通過兩層的贏者取勝神經網絡，得到顯著性區域，最后通過返回抑制機制，抑制當前顯著區域，轉而尋找下一個顯著區域。

(2)基于對比度的方法又分為全局對比和局部對比兩種方法。全局對比的思想主要通過計算當前超像素或像素與圖像中其他超像素或像素的顏色、紋理、深度等特征差異來確定顯著值；局部對比的思想主要通過計算當前超像素或像素與圖像中相鄰超像素或像素的顏色、紋理、深度等特征差異來確定顯著值。比如2014年Peng等人《RGBD SalientObject Detection:A Benchmark and Algorithms》采用三層顯著檢測框架，通過全局對比方法，融合顏色、深度、位置等特征信息進行顯著計算。

(3)顯著檢測模型采用背景先驗知識進行顯著性計算，比如2013年Yang等人《Saliency Detection via Graph-Based Manifold Ranking》假設RGB彩色圖像的四條邊為背景，應用Manifold Ranking(流形排序算法)排序所有超像素節點的相關性完成顯著性計算。

(4)采用中心先驗進行顯著性計算，比如2015年Cheng等人《Global ContrastBased Salient Region Detection》假設圖像的中心超像素為顯著目標超像素，通過計算其他超像素與該中心超像素的顏色和空間差異值來進行顯著性計算。

上述方法中，基于視覺注意模型的顯著性目標檢測方法檢測的結果不具有全分辨率，基于對比度的顯著性目標檢測方法發不適用于復雜的環境，基于背景先驗知識的顯著性目標檢測方法檢測的結果包含較多噪聲，基于中心先驗的顯著性目標檢測方法不適用于顯著性目標不在圖像中心的情況。

發明內容

針對現有技術中的上述不足，本發明提供的一種圖像顯著性目標檢測的方法解決了現有顯著性目標檢測方法檢測效果差的問題。