[发明专利]一种适用于严重退化图像的基于显著性的对象分割方法

说明书

技术领域

本发明涉及计算机视觉、图像处理等技术领域，尤其是基于显著性的对象分割方法。

背景技术

基于显著性的对象分割是一项比较热门的研究，它的目标是将图像中的感兴趣对象分割出来。在自然图像中检测显著性区域是对于人类视觉系统的模仿，也就是自动的找出人类会将目光聚集到的感兴趣区域。当人们观察一张自然图像或者真实场景时，他们会花更多的注意力在整个显著对象上，而不仅仅是一块显著区域上。因此，基于显著性的对象分割是一项有必要的研究，它被广泛地应用于许多高层应用，例如对象识别、行为分析、图像感兴趣对象分割等。尽管如此，当图像被严重退化的情况下，尤其是前景具有局部的运动模糊而背景具有均一运动模糊的情况下，基于显著性信息的显著对象分割方法会经常失效。图像的退化现象会对大多数计算机视觉应用产生严重影响。它通常会导致算法结果的精度降低，甚至导致一些算法的失效。这个问题在对于自然图像的基于显著性的对象分割中十分常见。在大多数退化图像中的显著对象可能包含了许多不够显著的部分，这些部分就会在进行对象分割时引起歧义。因此，基于显著性的对象分割在退化图像上的结果通常是不完整的。

发明内容

为了克服由于严重图像退化所造成的对象分割结果丢失部分区域的问题，本发明提出一种适用于严重退化图像的基于显著性的对象分割方法，它能够有效地提高分割结果的准确性和完整性，避免了由严重图像退化所带来的分割结果丢失部分区域的问题，提高了显著对象分割对于图像退化的鲁棒性。

本发明解决其技术问题所采用的技术方案是：

一种适用于严重退化图像的基于显著性的对象分割方法，包括以下步骤：

(1)通过显著图生成初始化的显著对象种子

在基于软图像抽象化方法得到的显著图的直方图中显著度更高的范围内寻找一个直方图的峰值，该显著度更高的范围选取为(127,255]，通过阈值T对显著图进行阈值分割得到一张二值化的分割结果；一个接一个地标记连通域，并且在标记前采用形态学膨胀操作来保护目标对象更多的显著细节，在已经标记好的不连通区域中提取最主要的区域作为初始显著对象种子；

(2)生成基于局部自相关性的骨架

点(x,y)在以该点为中心的局部窗口w内的局部自相关方程：

其中，I(x_k,y_k)代表点(x_k,y_k)在窗口w(3×3)内的梯度，Δx和Δy分别代表在x和y两个方向上的位移量；

该公式(2.1)被近似为：

其中

计算从每个点获得的矩阵M的两个特征值，其中较小特征值的特征向量对应椭圆的长轴方向，这个方向可以表示为点的延伸方向，将每个点计算得到的值转换到方向空间[0,180]中，每个值都表示在一条直线上的正反两个方向，所生成的运动方向图每个像素上的值都对应某个的方向；

通过平均分配的方式将运动方向图归一化到4个方向{0,45,90,135}，在运动方 向图归一化后的图像中数量最大的方向将被当做背景的方向；之后将背景的方向都去除，剩下的最大连通区域就被当做补充的对象种子；沿着背景方向搜索背景中两个邻近方向来修补丢失的部分。当两个邻近相关区域在空间上靠近彼此时就将它们连在一起；

如果从步骤(1)中得到初始显著对象种子由若干个不连通的区域组成，这就表示从步骤(1)中得到的结果不能用来代表目标对象的整个骨架，在这种情况下，基于局部自相关性的骨架被用来让初始显著对象种子优化成更好的显著对象种子，考虑到由局部自相关性得到的骨架和目标对象相比有些膨胀，所以应用了形态学的腐蚀操作来修正这一问题；当初始对象种子由若干不连通的区域组成时，将基于局部自相关性的骨架和初始对象种子融合在一起作为最终的显著对象种子；否则，仅仅将步骤(1)中得到结果作为最终的显著对象种子；

在显著对象种子里的空洞需要被填充，除了那些占了整个目标对象的百分比阈值以上的空洞；

(3)在显著对象种子的边缘上生成用于扩展的起始点

在显著对象种子的边界上的每个点都被当作我们扩展方法的起始点，构建了一个3×3大小的卷积核N_s，并且让显著对象种子二值图M_b和卷积核N_s作卷积操作，当操作窗口中中心点p的值是1时，N_s就会被使用计算出一个决定因子d：