[发明专利]一种图像对象共定位及无关样本判定方法

权利要求书

1.一种图像对象共定位及无关样本判定方法，其特征在于包括如下步骤：

(1)输入可能包含同一类物体的图片集；

(2)对给定的图片集进行对象性分析，生成对象区域集合；

(3)对于区域集合生成高层语义特征以及显著图；

(4)生成区域特征后，对特征矩阵进行分析，构建全连接的图结构关系；

(5)构建比率能量函数对连通图进行统筹规划，构建优化方程；

(6)利用牛顿迭代法计算优化方程的全局最优解；

(7)选取每张图片的得分最高的区域作为最终的共定位结果。

2.根据权利要求1所述的图像对象共定位及无关样本判定方法，其特征在于：步骤(2)中的对图片集进行对象性分析及生成对象区域集合采取以下步骤：

(2.1)针对每一张，使用对象性检测得到K个可能包含对象的假设区域；

(2.2)假设区域均以小于或等于原图尺寸的矩形区域表示，特征包含区域的长、宽，每个区域位于图像中的位置，其中以左上角为原点；以及每张图像的对象性检测得分。

3.根据权利要求1所述的图像对象共定位及无关样本判定方法，其特征在于：步骤(3)中的对假设区域集生成高层语义特征以及显著图采取以下步骤：

(3.1)对图像集合所有图像的每个像素点均生成128维的densesift特征，后利用Kmeans算法生成1000维的特征字典；

(3.2)针对每一个区域，根据特征字典生成1000维的bag-of-words特征直方图；

(3.3)对图像集合所有图像均生成显著分析图；

(3.4)针对每一个区域，计算区域平均灰度值得到对象显著性得分。

4.根据权利要求1所述的图像对象共定位及无关样本判定方法，其特征在于：步骤(4)中的对特征矩阵进行分析，构建全连接的图结构关系包含以下步骤：

(4.1)对于生成的特征矩阵，对于两两特征向量计算特征距离，构成距离矩阵D；同时根据每个假设区域的对象性得分和显著性得分，计算得到所有区域总得分，构成向量U，向量U由对象性检测得分和显著性检测得分a构成；

(4.2)根据距离矩阵和区域得分，构建一个全连接的图结构，以区域得分项作为顶点惩罚值(unarycost)，以区域距离作为边惩罚值(pairwisecost)，表达为一个最小化优化方程式，对于所有区域的最终解为0到1之间的小数；对于单张图片中所有的区域的解之和，加以一个约束向量，同时将约束向量也作为自变量加入优化方程式中。

5.根据权利要求4所述的图像对象共定位及无关样本判定方法，其特征在于：步骤(4.2)中的对最小化优化方程式的构建具有以下特征：

对于优化过程，采取比率函数形式来对图结构进行表达，同时为了较好的排除无关样本影响，引入了对于最终解的约束项；比率函数的分子项为图结构表达项，分母项则是无关样本约束项。

6.根据权利要求1所述的图像对象共定位及无关样本判定方法，其特征在于：步骤(6)中的利用牛顿迭代法计算优化方程的全局最优解包含以下步骤：

将步骤(5)中构建完成的待优化的比率函数重构为一般的线性优化函数，后利用牛顿迭代法进行迭代优化求最优解。

7.根据权利要求1所述的图像对象共定位及无关样本判定方法，其特征在于：步骤(7)中的选最终的共定位结果包含以下步骤：

(7.1)将求解的最终区域集合总得分小于阈值的图片作为无关样本排除；

(7.2)选取每张图片的得分最高的区域作为最终的共定位结果。