[發明專利]一種基于顯著性的分類圖像庫的類型判斷方法

有效

• 申請號: 201810355420.X
• 申請日: 2018-04-19
• 公開（公告）號: CN108647703B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 梁曄;馬楠;許亮;桂雨涵
• 申請（專利權）人: 北京聯合大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京馳納智財知識產權代理事務所(普通合伙) 11367
• 代理人: 謝亮

1.一種基于顯著性的分類圖像庫的類型判斷方法，包括訓練過程和測試過程，其特征在于，所述訓練過程包括以下步驟：

步驟1：選取對象類圖像，類標為1；挑選場景類圖像，類標為0；

步驟2：提取每幅圖像的顯著圖；所述顯著圖的計算過程包括以下步驟：

步驟21：對圖像I進行多尺度的區域分割；

步驟22：對每個分割區域的外觀特征提取及計算顯著性；

步驟23：對所述顯著圖進行優化，使用下面的目標函數進行所述顯著圖優化，

其中，表示區域i優化后的顯著值；s_i表示區域i未優化的顯著值；區域i為待估計的目標區域；區域j為區域i的相鄰區域；α_ij是描述區域i與區域j空間關聯關系的權重值；表示區域j優化后的顯著值；1≤i≤|R_k|，|R_k|表示在尺度k下分割的區域總數量；

步驟24：對不同尺度下的所述顯著圖進行融合；

步驟3：計算所述每幅圖像顯著圖的灰度直方圖；

步驟4：將圖像的所述灰度直方圖特征和對應的類標輸入到SVM進行訓練，得到訓練模型。

2.如權利要求1所述的基于顯著性的分類圖像庫的類型判斷方法，其特征在于：所述步驟21為對圖像I，將其在N個尺度下做分割，R＝{R_k|1≤k≤N}，其中k代表分割的尺度，k值越小，分割的尺度越小，圖像分割的粒度越細。

3.如權利要求2所述的基于顯著性的分類圖像庫的類型判斷方法，其特征在于：所述外觀特征包括顏色特征和紋理特征，所述顏色特征空間有RGB、HSV和L*a*b*。

4.如權利要求3所述的基于顯著性的分類圖像庫的類型判斷方法，其特征在于：所述步驟22包括分別計算所述三種顏色空間的平均顏色值和256為統計直方圖特征。

5.如權利要求4所述的基于顯著性的分類圖像庫的類型判斷方法，其特征在于：采用的所述紋理特征為LBP特征和LM濾波池響應特征。

6.如權利要求5所述的基于顯著性的分類圖像庫的類型判斷方法，其特征在于：所述權重值α的計算公式為

其中，和為在尺度K下分割后得到的區域，d為區域和區域的距離，σ²表示圖像所有區域間距離的標準差。

7.如權利要求6所述的基于顯著性的分類圖像庫的類型判斷方法，其特征在于：所述區域和區域的距離d的定義如下：

其中，表示區域的邊緣像素集合；表示區域的邊緣像素集合；邊界強度ES(P)為區域和區域公共邊緣中像素P點的UCM值。

8.如權利要求7所述的基于顯著性的分類圖像庫的類型判斷方法，其特征在于：所述步驟24為對于第p幅圖像，在進行區域空間關聯約束后，得到圖像的(1......N)尺度的顯著圖采用線性模型將不同尺度下的顯著圖結果進行融合，

其中，S_p表示第p幅圖像的融合顯著圖，表示第p幅圖像在尺度k下面的顯著圖，1≤p≤Y，Y表示訓練集中圖像的個數，w_k表示尺度k的權重。