[发明专利]一种基于条件随机场的显著性检测方法

权利要求书

1.一种基于条件随机场的显著性检测方法，其特征在于，包括如下步骤：

步骤10：采集图像数据；

步骤20，对步骤10得到的图像用三种不同的方法进行显著性特征提取，得到与三种不同的显著性特征函数对应的显著性特征图；

步骤30：建立随机场模型，采用条件随机场模型的机器学习法对步骤10中采集的图像进行训练，并获得步骤20中得到的每个显著性特征图的最优权重；

步骤40：对步骤20得到的三种不同的显著性特征函数用分配函数Z进行归一化处理；

步骤50：建立条件随机场模型，对步骤40得到的三个归一化显著性特征函数用条件随机场模型进行组合；

步骤60：用最大似然准则对步骤50获得的组合求得最优解，得到最优化的线性组合；

步骤70：将步骤60计算得到的显著性像素用一个最小的矩形框，其中最小的矩形框至少框出95％以上的显著性像素，得到最终的结果。

2.根据权利要求1所述的一种基于条件随机场的显著性检测方法，其特征在于：所述步骤20中，所述三种进行特征提取的方法分别为：多尺度对比法、中央周围直方图法和颜色空间分布法；

其中，所述多尺度对比法，包括以下步骤：

步骤211，对步骤10中采集到的图像基于高斯模糊之后向下采样，得到不同分辨率的图像；

步骤212，将步骤211得到的六层高斯金字塔图像中每层对比度线性组合得到多尺度对比特征函数与其对应的显著性特征图；

所述中央周围直方图法，包括以下步骤：

步骤221：用多个不同长宽比例的矩形区域R标出步骤10得到的图像中的显著物体，在多个矩形区域R的周围构造多个对应的面积相等的周围矩形区域R_s；

步骤222：在步骤221获得的图像上计算每个以像素点x为中心的显著矩形区域R与周围矩形区域R_s在RGB颜色直方图之间的χ²距离；

步骤223：比较每个不同长宽比例的矩形区域R与周围矩形区域R_s在RGB颜色直方图之间的χ²距离，现在χ²距离最大的矩形区域R为最优的矩形区域R^*(x)；

步骤224：以相邻像素x′为中心的中央-周围直方图特征函数定义为步骤221中所有以相邻像素x′为中心的最优周围矩形区域R_s^*(x′)的高斯加权χ²距离之和；

所述颜色空间分布法，包括以下步骤：

步骤231：对步骤10得到的图像中的所有颜色用高斯混合模型表示；

步骤232：利用步骤231中模型的参数计算计算每个像素被分配给一种颜色成分的条件概率；

步骤233：对步骤232中每一个颜色成分计算对应的水平方差和垂直方差，得到对应成分的空间方差；

步骤234：颜色空间分布特征函数定义为步骤433得到的空间方差中央加权的之和。

3.根据权利要求1所述的一种基于条件随机场的显著性检测方法，其特征在于：步骤50中，所述用条件随机场模型组合显著性特征过程如下：

步骤501，对步骤40得到的三个归一化显著性特征，分别计算一元势函数F_k(a_x,I)，F_k(a_x,I)表示第k个显著特征；

步骤502，对步骤40得到的三个归一化显著性特征，分别计算二元势函数S(a_x,a_x',I)配对特征，其中，二元势函数S(a_x,a_x',I)表示对相邻像素标记为不同值的惩罚项的值，a_x表示x像素点的显著性，a_x'表示x相邻像素点的显著性；

步骤503，结合步骤30得到的每个显著性特征图的最优权重和步骤501、502中得到的显著特征和配对特征，根据公式P(A|I)=1Zexp(ΣxΣk=1KλkFk(ax,I)+Σx,x′S(ax,ax′,I))]]>进行线性组合，其中，A为采集图像I中标签状态集合，Z为分配函数，λ_k表示第k个显著特征图的权重，K为显著特征图的总数，F_k(a_x,I)是单一变量的势函数，F_k(a_x,I)表示第k个显著特征图，S(a_x,a_x′,I)是双变量交互势函数，S(a_x,a_x′,I)表示相邻像素x,x′之间的相互作用关系。