[發(fā)明專利]一種基于深度特征的顯著性目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 201810563258.0
• 申請日: 2018-06-04
• 公開（公告）號: CN108776815A
• 公開（公告）日: 2018-11-09
• 發(fā)明（設(shè)計(jì)）人: 李巍;申揚(yáng);剛毅凝;王鷗;鄭善奇;郝躍冬;劉嘉華;康睿
• 申請（專利權(quán)）人: 國網(wǎng)遼寧省電力有限公司信息通信分公司;南瑞集團(tuán)有限公司;南京南瑞信息通信科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

本發(fā)明公開了一種基于深度特征的顯著性目標(biāo)檢測方法，通過獲取圖像超像素的深度特征矩陣，對主成分深度特征進(jìn)行顯著性計(jì)算得到多個(gè)分割尺度下的顯著圖，利用加權(quán)元胞自動機(jī)對多尺度顯著圖進(jìn)行進(jìn)行迭代融合，得到最終的顯著圖；能有效解決維度災(zāi)難帶來的顯著性區(qū)域不明顯問題，可以應(yīng)用到圖像檢索、圖像分割、圖像分類和目標(biāo)識別等場景。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于深度特征的顯著性目標(biāo)檢測方法，屬于圖像識別技術(shù)領(lǐng)域。

背景技術(shù)

隨著智能設(shè)備和社會網(wǎng)絡(luò)的發(fā)展，如何利用有限的時(shí)間和精力從大量的數(shù)據(jù)中提取有用的信息，為后續(xù)處理做準(zhǔn)備成為一個(gè)重要的問題。正如人類視覺系統(tǒng)只能聚焦于所看到的場景中最引人注目的少量信息一樣，一張圖像中往往只有部分突出的物體能吸引我們的注意。顯著性檢測是指識別圖像中最吸引人注意的區(qū)域，因其在圖像處理和計(jì)算機(jī)視覺領(lǐng)域的廣泛應(yīng)用，如圖像檢索、圖像分割、圖像分類和目標(biāo)識別等等，近幾年已成為一個(gè)熱門的研究領(lǐng)域。

目前，顯著性檢測的研究方法主要分為兩種，一種是視點(diǎn)預(yù)測，即根據(jù)人眼在眼動儀的注視移動情況來判斷圖像顯著的大致區(qū)域；另一種是顯著性物體檢測，即檢測圖像中最顯著的物體。而顯著性物體檢測又可以分為自底向上和自頂向下這兩種模型，前者主要基于一些圖像的底層特征(如顏色、亮度、方向等)和先驗(yàn)信息(如緊湊度、唯一性、背景等)，而后者主要通過對圖像中有代表性的特征進(jìn)行標(biāo)注、訓(xùn)練再檢測。

現(xiàn)有的方法提取的深度特征的維度高、計(jì)算復(fù)雜，存在維度災(zāi)難帶來的顯著性區(qū)域不明顯問題。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于深度特征的顯著性目標(biāo)檢測方法，解決了維度災(zāi)難帶來的顯著性區(qū)域不明顯問題。

為了解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：

一種基于深度特征的顯著性目標(biāo)檢測方法，包括以下步驟，

對圖像進(jìn)行超像素分割，獲取圖像所有超像素的深度特征矩陣；

通過主成分深度特征進(jìn)行顯著性計(jì)算，得到多個(gè)分割尺度下的顯著圖；

利用加權(quán)元胞自動機(jī)對多尺度顯著圖進(jìn)行迭代融合，得到最終的顯著圖。

對圖像進(jìn)行超像素分割，確定每個(gè)超像素的輸入?yún)^(qū)域，將確定好的輸入?yún)^(qū)域送入Alexnet網(wǎng)絡(luò)，得到深度特征，然后得到圖像所有超像素的深度特征矩陣。

基于主成分分析，提取主成分深度特征，根據(jù)主成分深度特征計(jì)算有目標(biāo)先驗(yàn)的顯著值，得到多個(gè)分割尺度下的顯著圖。

利用PCA算法計(jì)算深度特征矩陣的轉(zhuǎn)換矩陣，獲取主成分深度特征。

設(shè)置不同分割尺度顯著圖的權(quán)重，利用加權(quán)元胞自動機(jī)對多尺度顯著圖進(jìn)行迭代融合，得到最終的顯著圖。

不同分割尺度顯著圖的權(quán)重公式為，

其中，w_i為分割尺度為i的顯著圖權(quán)重，w_i-1為分割尺度為i-1的顯著圖權(quán)重，α為常數(shù)，N_i為二值化目標(biāo)先驗(yàn)圖中標(biāo)記為1的像素?cái)?shù)量，n_i為相同位置上二值化目標(biāo)先驗(yàn)圖標(biāo)記為1且當(dāng)前分割尺度顯著圖二值化后也為1的像素?cái)?shù)量。

最終顯著圖公式為，

其中，為經(jīng)過N₂次迭代后得到的最終顯著圖，M為多尺度顯著圖的數(shù)量，為第m幅顯著圖經(jīng)過N₂次迭代得到的顯著圖。