[发明专利]一种基于前景聚集度和背景先验的显著性物体检测方法

权利要求书

1.一种基于前景聚集度和背景先验的显著性物体检测方法，其特征在于：其具体方法步骤如下：

步骤一：图像预处理；首先，通过构建输入图像的高斯混合模型将输入图像分为多层，并利用哈希变换得到各层的二进制码；再者，通过超像素分割将输入图像分割为许多颜色相似，保边界的超像素，并计算各超像素的平均位置和平均颜色；另外提取输入图像中包含显著目标的凸包，以凸包中心作为中心先验；

步骤二：基于前景聚集度的显著性；首先以各层二进制码间的相似程度作为相似性测度，将输入图像的高斯混合模型各层进行分类，再通过计算各类基于中心先验的聚集度作为权重进行融合，得到聚集度特征；再计算各超像素结合中央先验的全局对比度，得到对比度特征；最后将聚集度特征与对比度特征相乘，作为前景聚集度显著图；

步骤三：基于背景先验的显著性；首先取得与图像边界相连的超像素作为背景种子；然后，对步骤二中得到的前景显著图二值化，将被标记为1的超像素作为前景种子点，计算其他超像素与前景种子的相似程度，并确定阈值；将边界超像素中与前景种子相似度大于阈值的部分超像素从背景种子中剔除，则得到最终背景种子集；最后，通过计算各超像素与背景种子的对比度，从而得到背景显著性；

步骤四：显著性优化融合；将融合问题视为优化问题，构建一个包含前景项、背景项和平滑项的代价函数，将前景背景结合在一起，通过最小化代价函数得到最终的显著图；

所述的步骤四中，首先构建一个代价函数，将前景背景结合在一起：

Foreground代表前景项，Background代表背景项，Smoothness为平滑项；其中S(i)为第i个超像素的最终显著性均值，通过最小化代价函数得到最终的显著图；α是平衡前景显著性与背景显著性对最终显著性影响力大小的权重，λ是调节平滑项作用大小的权重，即调节最终显著性的平滑程度；

最后通过最小化代价函数，得到最终的显著性S；

S_fg(i)为超像素i对应的前景显著值；S_bg(i)为超像素i对应的背景显著性；

通过以上步骤，本检测方法结合图像前景聚集度和背景先验，能够较好地突出前景和抑制背景，则比较准确地检测出图像目标，对于其他图像处理领域如目标分割、目标跟踪和目标检索都有实际应用价值；

其中，在步骤二中所述的“再通过计算各类基于中心先验的聚集度作为权重进行融合，得到聚集度特征”，其计算的过程如下：以聚集度为权重将分类得到的三类图像加和，得到聚集度特征图：

SC=ΣKp(K|Ix)*Comp(K)]]>

Comp(K)即为第K类图像对应的聚集度：

Comp(K)=(ΣIx||x-μ||2·p(K|Ix)ΣIxp(K|Ix))-1;]]> 1

其中，x是像素I_x的坐标位置，μ是图像中心的坐标位置。