• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 15
    • 下载费用:30 金币  

    重庆时时彩门店: 显著区域检测方法和检测系统.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201610889100.3

    申请日:

    2016.10.12

    公开号:

    CN106570498A

    公开日:

    2017.04.19

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06K 9/32申请日:20161012|||公开
    IPC分类号: G06K9/32; G06K9/46; G06K9/62; G06T5/50; G06T7/11(2017.01)I; G06T7/62(2017.01)I 主分类号: G06K9/32
    申请人: 中国科学院自动化研究所
    发明人: 王鹏; 罗永康
    地址: 100080 北京市海淀区中关村东路95号
    优先权:
    专利代理机构: 北京瀚仁知识产权代理事务所(普通合伙) 11482 代理人: 宋宝库
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610889100.3

    授权公告号:

    |||

    法律状态公告日:

    2017.05.17|||2017.04.19

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明涉及一种显著区域检测方法和检测系统。其中,该方法包括对输入图像进行超像素分割,获得图像超像素处理单元;接着,基于图像超像素处理单元,度量输入图像的拓扑背景置信度;然后,基于输入图像的拓扑背景置信度,计算图像颜色和空间位置特征上的对比度,获得图像初级显著值;再利用紧凑性扩散方法修正图像初级显著值,得到紧凑性显著图;接着又利用输入图像的拓扑背景置信度与紧凑性显著图,进行显著值赋值,得到图像单尺度显著图;最后,利用多尺度融合的方法对图像单尺度显著图进行处理,得到尺度显著图,从而获得图像显著物体区域。通过采用上述技术方案,解决了如何快速有效地抽取图像显著区域的技术问题。

    权利要求书

    1.一种显著区域检测方法,其特征在于,所述方法包括:
    对输入图像进行超像素分割,获得图像超像素处理单元;
    基于所述图像超像素处理单元,度量所述输入图像的拓扑背景置信度;
    基于所述输入图像的所述拓扑背景置信度,计算图像颜色和空间位置特征上的对比
    度,获得图像初级显著值;
    利用紧凑性扩散方法修正所述图像初级显著值,得到紧凑性显著图;
    利用所述输入图像的所述拓扑背景置信度与所述紧凑性显著图,进行显著值赋值,得
    到图像单尺度显著图;
    利用多尺度融合的方法对所述图像单尺度显著图进行处理,得到尺度显著图,从而获
    得图像显著物体区域。
    2.根据权利要求1所述的方法,其特征在于,所述基于所述图像超像素处理单元,度量
    所述输入图像的拓扑背景置信度,具体包括:
    基于所述图像超像素处理单元,计算所述输入图像的超像素延伸面积;
    计算所述输入图像中超像素沿着所述输入图像边框的长度;
    基于所述超像素延伸面积和所述长度,计算所述输入图像超像素的边框连接度;
    基于所述边框连接度,计算所述输入图像的拓扑背景置信度。
    3.根据权利要求1所述的方法,其特征在于,所述基于所述输入图像的所述拓扑背景置
    信度,计算图像颜色和空间位置特征上的对比度,获得图像初级显著值,具体包括:
    基于所述输入图像的所述拓扑背景置信度,并依据下式计算所述图像颜色特征对比
    度:
    <mrow> <msub> <mi>contrast</mi> <mrow> <mi>c</mi> <mi>o</mi> <mi>l</mi> <mi>o</mi> <mi>r</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>d</mi> <mrow> <mi>c</mi> <mi>o</mi> <mi>l</mi> <mi>o</mi> <mi>r</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>p</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>w</mi> <mrow> <mi>p</mi> <mi>o</mi> <mi>s</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>p</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>b</mi> <mi>i</mi> </msub> </mrow>
    其中,所述p和所述pi表示超像素,所述i=1,...,N;所述N表示所述输入图像中所包含
    的超像素个数;所述bi表示所述输入图像的所述拓扑背景置信度;所述dcolor(p,pi)表示所
    述超像素p和所述pi在CIE L*a*b*颜色空间上的欧氏距离;所述contrastcolor(p)表示所述图
    像颜色特征对比度;
    其中,所述wpos(p,pi)由下式来确定:
    <mrow> <msub> <mi>w</mi> <mrow> <mi>p</mi> <mi>o</mi> <mi>s</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>p</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <mrow> <msubsup> <mi>d</mi> <mrow> <mi>p</mi> <mi>o</mi> <mi>s</mi> </mrow> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>p</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>&sigma;</mi> <mrow> <mi>p</mi> <mi>o</mi> <mi>s</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mfrac> <mo>)</mo> </mrow> </mrow>
    其中,所述dpos(p,pi)表示所述p和所述pi中心位置的欧氏距离;所述σpos表示对比度操
    作范围调节系数;
    基于所述输入图像的所述拓扑背景置信度,并依据下式计算所述空间位置特征对比
    度:
    <mrow> <msub> <mi>contrast</mi> <mrow> <mi>p</mi> <mi>o</mi> <mi>s</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>p</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>d</mi> <mrow> <mi>p</mi> <mi>o</mi> <mi>s</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>p</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>w</mi> <mrow> <mi>c</mi> <mi>o</mi> <mi>l</mi> <mi>o</mi> <mi>r</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>p</mi> <mo>,</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>b</mi> <mi>i</mi> </msub> </mrow>
    其中,wcolor(p,pi)表示所述超像素p和pi在颜色特征上的相似性;所述contrastpos(p)表
    示所述空间位置特征对比度;
    其中,
    其中,所述σcolor表示所述空间位置特征对比度对所述颜色特征敏感程度的调节系数;
    所述dcolor(p,pi)表示所述超像素p和pi在CIE L*a*b*颜色空间上的欧氏距离;
    基于所述图像颜色特征对比度和所述空间位置特征对比度,并依据下式计算所述图像
    初级显著值:
    CS(p)=contrastcolor(p)·exp(-k·contrastpos(p))
    其中,所述k表示所述图像颜色特征和所述空间位置特征对所述超像素显著值的贡献
    的权重系数。
    4.根据权利要求1所述的方法,其特征在于,所述利用紧凑性扩散方法修正所述图像初
    级显著值,得到紧凑性显著图,具体包括:
    构造k-regular闭环图,其中,所述闭环图中各连接边由关联矩阵来衡量;
    基于所述图像初级显著值和所述关联矩阵,利用图论中的流形平滑约束,确定基于非
    归一化拉普拉斯矩阵的流形排序函数,从而得到所述紧凑性显著图。
    5.根据权利要求1所述的方法,其特征在于,所述利用所述输入图像的所述拓扑背景置
    信度与所述紧凑性显著图,进行显著值赋值,得到图像单尺度显著图,具体包括:
    利用所述输入图像的所述拓扑背景置信度与所述紧凑性显著图及所述超像素在CIE L*
    a*b*颜色空间上的欧氏距离,进行显著值赋值,得到所述输入图像超像素的显著值;
    将所述输入图像超像素的所述显著值赋予所述输入图像中该超像素内的所有像素,作
    为该些像素的显著值,从而得到所述图像单尺度显著图。
    6.根据权利要求4所述的方法,其特征在于,所述关联矩阵由下式确定:
    <mrow> <mi>W</mi> <mo>=</mo> <msub> <mrow> <mo>&lsqb;</mo> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&rsqb;</mo> </mrow> <mrow> <mi>n</mi> <mo>&times;</mo> <mi>n</mi> </mrow> </msub> <mo>,</mo> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <mrow> <msub> <mi>d</mi> <mrow> <mi>c</mi> <mi>o</mi> <mi>l</mi> <mi>o</mi> <mi>r</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>p</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mn>2</mn> <msup> <mi>&sigma;</mi> <mn>2</mn> </msup> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
    其中,所述wij表示连接强度;所述n取正整数;所述dcolor(pi,pj)表示超像素pi和pj在CIE
    L*a*b*颜色空间上的欧氏距离;所述σ表示调节系数;所述i和所述j取1……N,所述N表示超
    像素个数。
    7.根据权利要求5所述的方法,其特征在于,所述利用所述输入图像的所述拓扑背景置
    信度与所述紧凑性显著图及所述超像素在CIE L*a*b*颜色空间上的欧氏距离,进行显著值
    赋值,得到所述输入图像超像素的显著值,具体包括:
    利用以下目标函数得到所述输入图像超像素的显著值:
    <mrow> <munder> <mrow> <mi>arg</mi> <mi>min</mi> </mrow> <msub> <mi>s</mi> <mi>i</mi> </msub> </munder> <mi>&lambda;</mi> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mrow> <msub> <mi>b</mi> <mi>i</mi> </msub> <msubsup> <mi>s</mi> <mi>i</mi> <mn>2</mn> </msubsup> </mrow> <mo>+</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mrow> <msub> <mi>f</mi> <mi>i</mi> </msub> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mo>+</mo> <munder> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </munder> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>s</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>
    <mrow> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <mrow> <msubsup> <mi>d</mi> <mrow> <mi>c</mi> <mi>o</mi> <mi>l</mi> <mi>o</mi> <mi>r</mi> </mrow> <mn>2</mn> </msubsup> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>p</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>&sigma;</mi> <mrow> <mi>c</mi> <mi>o</mi> <mi>l</mi> <mi>o</mi> <mi>r</mi> </mrow> <mn>2</mn> </msubsup> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>&mu;</mi> <mrow> <mi>s</mi> <mi>m</mi> </mrow> </msub> </mrow>
    其中,所述si表示超像素pi的显著值;所述sj表示超像素pj的显著值;所述i,j=1,...,
    N;所述N表示超像素的个数;所述bi表示所述输入图像的所述拓扑背景置信度;所述fi表示
    紧凑性显著图;所述λ表示调节因子;所述dcolor(pi,pj)表示所述超像素pi和pj在CIE L*a*b*
    颜色空间上的欧氏距离;所述σcolor表示调节系数;所述μsm表示抑制噪声的调节系数。
    8.一种显著区域检测系统,其特征在于,所述系统包括:
    分割???,用于对输入图像进行超像素分割,获得图像超像素处理单元;
    度量???,与所述分割??橄嗔?,用于基于所述图像超像素处理单元,度量所述输入图
    像的拓扑背景置信度;
    计算???,与所述度量??橄嗔?,用于基于所述输入图像的所述拓扑背景置信度,计算
    图像颜色和空间位置特征上的对比度,获得图像初级显著值;
    修正???,与所述计算??橄嗔?,用于利用紧凑性扩散方法修正所述图像初级显著值,
    得到紧凑性显著图;
    赋值???,分别与所述度量??楹退鲂拚?橄嗔?,用于利用所述输入图像的所述
    拓扑背景置信度与所述紧凑性显著图,进行显著值赋值,得到图像单尺度显著图;
    融合???,与所述赋值??橄嗔?,用于利用多尺度融合的方法对所述图像单尺度显著
    图进行处理,得到尺度显著图,从而获得图像显著物体区域。

    说明书

    显著区域检测方法和检测系统

    技术领域

    本发明实施例涉及图像处理技术领域,尤其是涉及一种显著区域检测方法和检测
    系统。

    背景技术

    人类视觉系统具有注意功能,使其能够快速地锁定关键区域,只选择进入视野的
    其中一部分信息用于后续更深层次的信息抽取与处理,从而获得高效的视觉感知。启发于
    人类视觉注意机制的显著性检测模型,可以为计算机系统实现快速高效地抽取有用的信息
    提供解决途径?;谑泳踝⒁獾娜现砺垡约吧砟P?,计算机领域的研究者提出了很多
    显著性检测模型。视觉显著性检测作为视觉任务的前处理过程,具有非常广阔的应用前景,
    可以应用于很多不同的高层次复杂视觉处理任务,诸如物体检测、视觉目标跟踪、物体识
    别、图像压缩和机器人认知等。

    近年来,很多基于边框背景先验的显著物体检测方法被不断地提出,它们获得了
    很好的检测效果。例如:

    Xiaohui Li,Huchuan Lu,Lihe Zhang,Xiang Ruan,and Ming-Hsuan
    Yang.Saliency detection via dense and sparse reconstruction.In IEEE
    International Conference on Computer Vision(ICCV),pages2976–2983,2013;

    Wangjiang Zhu,Shuang Liang,YichenWei,and Jian Sun.Saliency
    optimization from robust background detection.In IEEE Conference on Computer
    Vision and Pattern Recognition(CVPR),pages 2814–2821,2014;

    Chuan Yang,Lihe Zhang,Huchuan Lu,Xiang Ruan,and Ming-Hsuan
    Yang.Saliency detection via graph-based manifold ranking.In IEEE Conference
    on Computer Vision and Pattern Recognition(CVPR),pages 3166–3173,2013。

    然而,这些方法在利用图像区域与边框区域的拓扑关系推断显著值的过程中,往
    往更偏重于全局显著性。以现有基于边框背景先验的显著性检测方法为例,会导致可能存
    在如下问题:当显著物体区域与图像边框区域相似时,显著物体的局部显著性被错误地抑
    制;当图像背景区域与图像边框区域极不相似时,背景区域的显著性可能被错误夸大,从而
    产生错误的显著性检测结果。

    有鉴于此,特提出本发明。

    发明内容

    本发明实施例提供一种显著区域检测方法,以解决如何快速有效地抽取图像显著
    区域的技术问题。此外,本发明实施例还提供一种显著区域检测系统。

    为了实现上述目的,根据本发明的一个方面,提供以下技术方案:

    一种显著区域检测方法,所述方法可以包括:

    对输入图像进行超像素分割,获得图像超像素处理单元;

    基于所述图像超像素处理单元,度量所述输入图像的拓扑背景置信度;

    基于所述输入图像的所述拓扑背景置信度,计算图像颜色和空间位置特征上的对
    比度,获得图像初级显著值;

    利用紧凑性扩散方法修正所述图像初级显著值,得到紧凑性显著图;

    利用所述输入图像的所述拓扑背景置信度与所述紧凑性显著图,进行显著值赋
    值,得到图像单尺度显著图;

    利用多尺度融合的方法对所述图像单尺度显著图进行处理,得到尺度显著图,从
    而获得图像显著物体区域。

    进一步地,所述基于所述图像超像素处理单元,度量所述输入图像的拓扑背景置
    信度,具体可以包括:

    基于所述图像超像素处理单元,计算所述输入图像的超像素延伸面积;

    计算所述输入图像中超像素沿着所述输入图像边框的长度;

    基于所述超像素延伸面积和所述长度,计算所述输入图像超像素的边框连接度;

    基于所述边框连接度,计算所述输入图像的拓扑背景置信度。

    进一步地,所述基于所述输入图像的所述拓扑背景置信度,计算图像颜色和空间
    位置特征上的对比度,获得图像初级显著值,具体可以包括:

    基于所述输入图像的所述拓扑背景置信度,并依据下式计算所述图像颜色特征对
    比度:


    其中,所述p和所述pi表示超像素,所述i=1,...,N;所述N表示所述输入图像中所
    包含的超像素个数;所述bi表示所述输入图像的所述拓扑背景置信度;所述dcolor(p,pi)表
    示所述超像素p和所述pi在CIE L*a*b*颜色空间上的欧氏距离;所述contrastcolor(p)表示
    所述图像颜色特征对比度;

    其中,所述wpos(p,pi)由下式来确定:


    其中,所述dpos(p,pi)表示所述p和所述pi中心位置的欧氏距离;所述σpos表示对比
    度操作范围调节系数;

    基于所述输入图像的所述拓扑背景置信度,并依据下式计算所述空间位置特征对
    比度:


    其中,wcolor(p,pi)表示所述超像素p和pi在颜色特征上的相似性;所述contrastpos
    (p)表示所述空间位置特征对比度;

    其中,

    其中,所述σcolor表示所述空间位置特征对比度对所述颜色特征敏感程度的调节系
    数;所述dcolor(p,pi)表示所述超像素p和pi在CIE L*a*b*颜色空间上的欧氏距离;

    基于所述图像颜色特征对比度和所述空间位置特征对比度,并依据下式计算所述
    图像初级显著值:

    CS(p)=contrastcolor(p)·exp(-k·contrastpos(p))

    其中,所述k表示所述图像颜色特征和所述空间位置特征对所述超像素显著值的
    贡献的权重系数。

    进一步地,所述利用紧凑性扩散方法修正所述图像初级显著值,得到紧凑性显著
    图,具体可以包括:

    构造k-regular闭环图,其中,所述闭环图中各连接边由关联矩阵来衡量;

    基于所述图像初级显著值和所述关联矩阵,利用图论中的流形平滑约束,确定基
    于非归一化拉普拉斯矩阵的流形排序函数,从而得到所述紧凑性显著图。

    进一步地,所述利用所述输入图像的所述拓扑背景置信度与所述紧凑性显著图,
    进行显著值赋值,得到图像单尺度显著图,具体可以包括:

    利用所述输入图像的所述拓扑背景置信度与所述紧凑性显著图及所述超像素在
    CIE L*a*b*颜色空间上的欧氏距离,进行显著值赋值,得到所述输入图像超像素的显著值;

    将所述输入图像超像素的所述显著值赋予所述输入图像中该超像素内的所有像
    素,作为该些像素的显著值,从而得到所述图像单尺度显著图。

    进一步地,所述关联矩阵由下式确定:


    其中,所述wij表示连接强度;所述n取正整数;所述dcolor(pi,pj)表示超像素pi和pj
    在CIE L*a*b*颜色空间上的欧氏距离;所述σ表示调节系数;所述i和所述j取1……N,所述N
    表示超像素个数。

    进一步地,所述利用所述输入图像的所述拓扑背景置信度与所述紧凑性显著图及
    所述超像素在CIE L*a*b*颜色空间上的欧氏距离,进行显著值赋值,得到所述输入图像超像
    素的显著值,具体可以包括:

    利用以下目标函数得到所述输入图像超像素的显著值:



    其中,所述si表示超像素pi的显著值;所述sj表示超像素pj的显著值;所述i,j=
    1,...,N;所述N表示超像素的个数;所述bi表示所述输入图像的所述拓扑背景置信度;所述
    fi表示紧凑性显著图;所述λ表示调节因子;所述dcolor(pi,pj)表示所述超像素pi和pj在CIE
    L*a*b*颜色空间上的欧氏距离;所述σcolor表示调节系数;所述μsm表示抑制噪声的调节系数。

    为了实现上述目的,根据本发明的另一个方面,还提供一种显著区域检测系统,所
    述系统包括:

    分割???,用于对输入图像进行超像素分割,获得图像超像素处理单元;

    度量???,与所述分割??橄嗔?,用于基于所述图像超像素处理单元,度量所述输
    入图像的拓扑背景置信度;

    计算???,与所述度量??橄嗔?,用于基于所述输入图像的所述拓扑背景置信度,
    计算图像颜色和空间位置特征上的对比度,获得图像初级显著值;

    修正???,与所述计算??橄嗔?,用于利用紧凑性扩散方法修正所述图像初级显
    著值,得到紧凑性显著图;

    赋值???,分别与所述度量??楹退鲂拚?橄嗔?,用于利用所述输入图像的
    所述拓扑背景置信度与所述紧凑性显著图,进行显著值赋值,得到图像单尺度显著图;

    融合???,与所述赋值??橄嗔?,用于利用多尺度融合的方法对所述图像单尺度
    显著图进行处理,得到尺度显著图,从而获得图像显著物体区域。

    本发明实施例提供一种显著区域检测方法和检测系统。其中,该方法包括对输入
    图像进行超像素分割,获得图像超像素处理单元;接着,基于图像超像素处理单元,度量输
    入图像的拓扑背景置信度;然后,基于输入图像的拓扑背景置信度,计算图像颜色和空间位
    置特征上的对比度,获得图像初级显著值;再利用紧凑性扩散方法修正图像初级显著值,得
    到紧凑性显著图;接着又利用输入图像的拓扑背景置信度与紧凑性显著图,进行显著值赋
    值,得到图像单尺度显著图;最后,利用多尺度融合的方法对图像单尺度显著图进行处理,
    得到尺度显著图,从而获得图像显著物体区域。通过采用上述技术方案,在检测过程中兼顾
    了图像全局显著性和局部显著性,实现了快速有效地抽取图像显著区域的有益效果。

    附图说明

    图1为根据本发明实施例的显著区域检测方法的流程示意图;

    图2为根据本发明实施例的显著区域检测系统的结构示意图。

    具体实施方式

    下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这
    些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的?;し段?。本实施例
    在以本发明技术方案为前提下进行实施,结合详细的实施方式和具体的操作过程,但本发
    明的?;し段Р幌抻谙率鍪凳├?。

    现有技术在利用图像区域与边框区域的拓扑关系推断显著值的过程中,往往更偏
    重于全局显著性,因为这类方法利用边框区域近似图像全局背景,且边框区域并不一定处
    在图像区域的局部近邻内,从而可能导致错误地抑制显著物体区域的显著性或者错误地夸
    大背景区域的显著性。

    本发明实施例基本思想是:对输入图像进行超像素分割,获得图像处理单元;接
    着,根据边框连接度计算图像背景置信度,并基于背景置信度计算图像显著值;然后,对所
    得显著图进行紧凑性扩散,修正图像显著性,获得更准确更紧凑的显著图;再利用背景置信
    度与紧凑性显著图及空间近邻信息进行显著值优化赋值;最后,利用多尺度融合的方法获
    得多尺度显著图。

    为此,本发明实施例提供一种显著区域检测方法。如图1所示,该方法可以通过步
    骤S100至步骤S150来实现。其中:

    S100:对输入图像进行超像素分割,获得图像超像素处理单元。

    具体地,本步骤可以利用超像素分割方法对输入图像进行超像素分割,以获得图
    像超像素处理单元。

    S110:基于图像超像素处理单元,度量输入图像的拓扑背景置信度。

    具体地,本步骤可以包括:

    S111:基于图像超像素处理单元,计算输入图像的超像素延伸面积。

    作为示例,本步骤可以根据以下公式计算输入图像的超像素延伸面积:


    其中,p和pi表示超像素,i=1,...,N;N表示输入图像中所包含的超像素个数;σgeo
    表示调节系数;dgeo(p,pi)表示超像素p和pi在CIE L*a*b*颜色空间上的测地距离;SpanArea
    (p)表示输入图像的超像素延伸面积。

    为了表述清楚,本文将dgeo(p,pi)表述为dgeo(p,q),其可以通过下式来实现:


    其中,dcolor(pi,pi+1)表示超像素pi和pi+1在CIE L*a*b*颜色空间上的欧氏距离;n取
    正整数;dgeo(p,q)表示超像素p和q在CIE L*a*b*颜色空间上的测地距离。

    S112:计算输入图像中超像素沿着输入图像边框的长度。

    作为示例,本步骤可以根据下式来计算输入图像中超像素沿着输入图像边框的长
    度:


    其中,pi表示超像素,i=1,...,N;N表示输入图像中所包含的超像素个数;δ(·)
    表示指示函数,当超像素在输入图像边框上时,其值为1,否则为0;B表示输入图像边框上的
    超像素集合;σgeo表示调节系数;dgeo(p,pi)表示超像素p和pi在CIE L*a*b*颜色空间上的测地
    距离;LB(p)表示输入图像中超像素沿着输入图像边框的长度。

    S113:基于超像素延伸面积和输入图像中超像素沿着输入图像边框的长度,计算
    输入图像超像素的边框连接度。

    作为示例,本发明实施例可以通过下式来计算输入图像超像素的边框连接度:


    其中,LB(p)表示输入图像中超像素沿着输入图像边框的长度;SpanArea(p)表示
    输入图像的超像素延伸面积;BC(p)表示输入图像边框连接度。

    S114:基于边框连接度,计算输入图像的拓扑背景置信度。

    作为示例,本发明实施例可以通过下式来计算输入图像的拓扑背景置信度:


    其中,BC(pi)表示输入图像边框连接度;σbc表示用于调节输入图像超像素的边框
    连接度对输入图像的拓扑背景置信度的影响权重;bi表示输入图像的拓扑背景置信度。

    S120:基于输入图像的拓扑背景置信度,计算图像颜色和空间位置特征上的对比
    度,获得图像初级显著值。

    具体地,本步骤可以包括:

    S121:基于输入图像的拓扑背景置信度,并依据下式计算图像颜色特征对比度:


    其中,p和pi表示超像素,i=1,...,N;N表示输入图像中所包含的超像素个数;bi表
    示输入图像的拓扑背景置信度;dcolor(p,pi)表示超像素p和pi在CIE L*a*b*颜色空间上的欧
    氏距离;contrastcolor(p)表示图像颜色特征对比度。

    其中,wpos(p,pi)由下式来确定:


    其中,dpos(p,pi)表示p和pi中心位置的欧氏距离;σpos表示对比度操作范围调节系
    数。

    S122:基于输入图像的拓扑背景置信度,并依据下式计算空间位置特征对比度:


    其中,dpos(p,pi)表示p和pi中心位置的欧氏距离;bi表示输入图像的拓扑背景置信
    度;wcolor(p,pi)表示超像素p和pi在颜色特征上的相似性;contrastpos(p)表示空间位置特
    征对比度。

    其中,

    其中,σcolor表示空间位置特征对比度对颜色特征敏感程度的调节系数;dcolor(p,
    pi)表示超像素p和pi在CIE L*a*b*颜色空间上的欧氏距离。

    S123:基于图像颜色特征对比度和空间位置特征对比度,并依据下式计算图像初
    级显著值:

    CS(p)=contrastcolor(p)·exp(-k·contrastpos(p));

    其中,k表示图像颜色特征和空间位置特征对超像素显著值的贡献的权重系数;
    contrastpos(p)表示空间位置特征对比度;contrastcolor(p)表示图像颜色特征对比度。

    S130:利用紧凑性扩散方法修正图像初级显著值,得到紧凑性显著图。

    具体地,在一些可选的实施方式中,本步骤可以进一步包括:

    S131:构造k-regular闭环图,其中,该闭环图中各连接边由关联矩阵来衡量。

    在一些可选的实施方式中,关联矩阵由下式确定:


    其中,wij表示连接强度;n取正整数;dcolor(pi,pj)表示超像素pi和pj在CIE L*a*b*颜
    色空间上的欧氏距离;σ表示调节系数;i和j取1……N,N表示超像素个数。

    σ用于控制连接边的权重,在具体实施过程中,可以取1/σ2=10。

    S132:基于图像初级显著值和关联矩阵,利用图论中的流形平滑约束,确定基于非
    归一化拉普拉斯矩阵的流形排序函数,从而得到紧凑性显著图。

    在实际应用中,基于非归一化拉普拉斯矩阵的流形排序函数的扩散过程可以根据
    下式来计算:

    f*=(D-αW)-1y;

    其中,D表示连接矩阵,D=diag{d11,...,dnn},dii=Σjwij,wij表示连接强度;y=
    [y1,...,yn],yi=CS(pi);CS(pi)表示图像初级显著值,pi表示超像素;α表示调节系数;i、j、
    n取正整数;f*表示紧凑性显著图,f*可以为经过流形排序扩散过程所得的
    数值,其可以用于表示图像中各超像素的显著值,也即图像中每个超像素的显著值为fi=
    fi*。

    优选地,上述α取0.99。

    通过步骤S130,利用紧凑性扩散过程来增强模型对图像局部显著性的描述能力,
    从而可以得到更准确更紧凑的显著图。

    S140:利用输入图像的拓扑背景置信度与紧凑性显著图,进行显著值赋值,得到图
    像单尺度显著图。

    具体地,本步骤可以包括:

    S141:利用输入图像的拓扑背景置信度与紧凑性显著图及超像素在CIE L*a*b*颜
    色空间上的欧氏距离,进行显著值赋值,得到输入图像超像素的显著值。

    在一些可选的实施方式中,本步骤可以利用以下目标函数得到输入图像超像素的
    显著值:


    其中,si表示超像素pi的显著值;sj表示超像素pj的显著值;i,j=1,...,N;N表示
    超像素的个数;bi表示输入图像的拓扑背景置信度;fi表示紧凑性显著图;λ表示调节因子,
    优选地,λ取1-5。

    其中,

    其中,dcolor(pi,pj)表示超像素pi和pj在CIE L*a*b*颜色空间上的欧氏距离;σcolor表
    示调节系数;μsm表示抑制噪声的调节系数,用于调节复杂场景下的优化问题,抑制场景中的
    噪声。优选地,μsm=0.1。

    作为示例,通过对上述目标函数进行诸如求导等运算就可以获得输入图像超像素
    的显著值si。

    S142:将输入图像超像素的显著值赋予输入图像中该超像素内的所有像素,作为
    该些像素的显著值,从而得到图像单尺度显著图。

    S150:利用多尺度融合的方法对图像单尺度显著图进行处理,得到尺度显著图,从
    而获得图像显著物体区域。

    具体地,在一些可选的实施方式中,可以根据以下公式来获得多尺度显著图:


    其中,r=1、2、3、4,其对应根据不同超像素大小设置产生的超像素分割;Sr表示在
    不同尺度超像素分割结果下产生的单尺度显著图;S表示多尺度显著图。

    上述实施例在检测过程中兼顾了图像全局显著性和局部显著性,实现了快速有效
    地抽取图像显著区域的有益效果。

    上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述,但是本领域
    技术人员可以理解,为了实现本实施例的效果,不同的步骤之间不必按照这样的次序执行,
    其可以同时(并行)执行或以颠倒的次序执行,这些简单的变化都在本发明的?;し段е?br />内。

    基于与方法实施例相同的技术构思,本发明实施例还提供一显著区域检测系统。
    如图2所示,该系统20可以包括:分割???1、度量???2、计算???3、修正???4、赋值模
    块25和融合???6。其中,分割???1用于对输入图像进行超像素分割,获得图像超像素处
    理单元。度量???2与分割???1相连,用于基于图像超像素处理单元,度量输入图像的拓
    扑背景置信度。计算???3与度量???2相连,用于基于输入图像的拓扑背景置信度,计算
    图像颜色和空间位置特征上的对比度,获得图像初级显著值。修正???4与计算???3相
    连,用于利用紧凑性扩散方法修正图像初级显著值,得到紧凑性显著图。赋值???5分别与
    度量???2和修正???4相连,用于利用输入图像的拓扑背景置信度与紧凑性显著图,进
    行显著值赋值,得到图像单尺度显著图。融合???6与赋值???5相连,用于利用多尺度融
    合的方法对图像单尺度显著图进行处理,得到尺度显著图,从而获得图像显著物体区域。

    本领域技术人员可以理解,上述显著区域检测系统还可以包括一些其他的公知结
    构,例如处理器、控制器、存储器和总线等,其中,存储器包括但不限于随机存储器、闪存、只
    读存储器、可编程只读存储器、易失性存储器、非易失性存储器、串行存储器、并行存储器或
    寄存器等,处理器包括但不限于单核处理器、多核处理器、基于X86架构的处理器、CPLD/
    FPGA、DSP、ARM处理器、MIPS处理器等,总线可以包括数据总线、地址总线和控制总线。为了
    不必要地模糊本公开的实施例,这些公知的结构未在图2中示出。

    需要说明的是,上述实施例提供的显著区域检测系统和检测方法在进行显著区域
    检测时,仅以上述各功能??榛虿街璧幕纸芯倮得?,在实际应用中,可以根据需要而
    将上述功能分配由不同的功能??槔赐瓿?,即将本发明实施例中的??榛蛘卟街柙俜纸饣?br />者组合,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的??榛虿街璧?br />名称,仅仅是为了区分各个??榛蛘卟街?,不视为对本发明?;し段У牟坏毕薅?。

    还需要说明的一点是,为了避免因不必要的细节而混淆了本发明,在附图中仅仅
    示出了与本发明的技术方案密切相关的处理步骤,因此而省略了与本发明关系不大的其它
    细节。

    至此,已经结合附图所示的优选实施方式对本发明的目的、技术方案和有益效果
    进行了进一步详细说明,但是,本领域技术人员容易理解的是,本发明的?;し段匀徊痪?br />限于这些具体实施方式。在不偏离本发明的原理的前提下,凡在本发明的精神和原则之内,
    本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术
    方案都将落入本发明的?;し段е?。

    关 键 词:
    显著 区域 检测 方法 系统
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:显著区域检测方法和检测系统.pdf
    链接地址://www.4mum.com.cn/p-6092760.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03