[发明专利]一种图像显著度检测的方法

说明书

技术领域

本发明属于图像显著度检测技术领域，能够对任意一幅图像的显著目标进行检测，涉及到图像处理的相关知识。

背景技术

随着图像处理技术的不断发展，图像显著度检测，并作为图像的预处理方法被广泛应用于图像压缩、图像分类及图像分割等多个领域。

显著度检测主要分为两大类：自顶向下和自底向上的。自顶向下的方法需要一定的先验知识，给定一定的样本集进行训练得到图像大致的模型，然后对测试图像通过模型进行拟合判断。自顶向下的方法虽然能够对比较复杂的图像进行处理，但是由于训练集的限制，导致该类方法的扩展性较差。自底向下的方法对图像的颜色、亮度、纹理等信息进行处理，从而找到图像的显著性区域。如Itti等人于1998年在PAMI期刊中发表了‘A model of saliency-based visual attention for rapid scene analysis’,该文提出了一种中心边缘对比度的方法，结合了亮度、颜色和方向信息，使用滑动窗在多尺度下得到显著图； 2009年，Achanta 等人在CVPR会议的‘Frequency-tuned salient region detection’ 提出了一种基于中心-周围对比原则的显著性检测方法，该方法通过比较每个像素与整幅图像的颜色特征的平均值来计算每个像素的显著值。 Rahtu等人于2010年ECCV会议上发表的‘Segmenting salient objects from images and videos’，该论文分析了多种图像显著性检测方法之后，提出了一种基于滑动窗机制的中心与周围对比方法，并使用贝叶斯框架得到最终的显著目标检测结果。

不仅如此，近年来提出了多种关于图像显著度检测的发明。在专利ZL200910046276.2中公开了《基于区域显著性的显著对象提取方法》，该方法对多分辨率下提取图像的对比度得到图像的显著目标，通过得到的图像显著度图分割得到最终的显著目标；2010年，由卿来云等人公开了专利ZL201010034301.8《一种图像显著区域检测方法》,利用中频滤波的方法得到图像的显著度；2011年，李永杰等人在专利ZL201110163787.X中提出了一种基于Itti98的改进方法《一种复杂场景的显著区域检测方法》，通过离散小波变换使用多尺度多特征融合金字塔特征得到最终显著度图。

尽管目前的自底向上的显著性检测算法取得了不错的效果，但仍存在几个问题需要解决。首先，现有的大部分的图像显著度方法一般容易检测到目标，但是集中在图像的边缘上，难以均匀的高亮整个显著目标，这是由于中心-周围方法自身的机制造成的，边缘上中心和周围的各种特征差异最大，容易高亮，而目标中心部分由于周围窗口仍是目标，因而差异较小，较难高亮。其次，由于未知目标的大小、位置，因而需要使用滑动窗机制对整幅图像进行搜索，从而加大了计算量和冗余问题。最后，当背景比较复杂，含有较多的边缘和颜色差异时，现存的自底向上的方法由于只依赖于低层次的视觉信息，背景会对目标检测产生较大影响，会对许多无关的低级视觉信号做出回应而且易丢失感兴趣的目标的信息。

发明内容

本发明要解决的技术问题是：对于给定的任意一幅图像，没有任何的先验信息的情况下得到图像的显著性目标。不仅如此，该发明还要能够处理复杂图像的显著性目标，如图像的目标较大，目标具有与背景相似的颜色和多个目标的情况。另外，我们还将得到的显著度图用于图像分割中，很好的实现图像分割。

本发明的技术方案是依据一个观测到的结论：图像中最显著的边缘一般是属于图像中的目标和背景之间的边缘，而图像目标或者背景内部的边缘稍弱，因而可以通过图像的边缘找到图像的显著性目标。不仅如此，滑动窗具有很高的计算复杂度，我们使用兴趣点检测得到大致的图像区域来代替滑动窗从而降低计算复杂度，提高目标的准确度和背景的抑制。具体步骤如下：

（1）图像目标粗定位

角点检测是一种常用的兴趣点检测方法，这种方法作为一种特征提取方法被广泛的应用于图像处理的多个领域，如图像分类、图像匹配等。显著点提供了场景中人们感兴趣的目标的有用的空间信息。本发明使用颜色显著性增强的Harris兴趣点来检测一幅颜色图中显著目标的角点或是边缘上的点。和根据图像亮度信息的兴趣点相比，这种方法得到的基于颜色显著性加强的Harris兴趣点更加鲁棒，而且大部分能够包围在图像显著目标的边界上。我们将检测出靠近图像边缘的Harris角点去除，并连接得到的最大凸边形作为图像的凸包，凸包的内部认为是目标，外部认为是背景。

(2) 目标先验图