[发明专利]一种基于被包围状态和马尔可夫模型的图像显著性检测方法

说明书

本发明提出了一种基于被包围状态和马尔可夫模型的图像显著性检测方法，目的在于检测出图像中的显著性物体。首先，利用被包围状态对眼睛注视点预测得到显著性物体的大致区域。其次，使用简单线性迭代聚类算法对原始图像处理得到图像的超像素图，基于超像素建立图像的图模型。然后，以检测出的显著性物体大致区域的超像素作为前景先验，利用吸收马尔可夫链检测出初始的显著性图S1。接下来，将离预测显著性物体大致区域最远的两条边界的超像素作为背景先验，利用吸收马尔可夫链检测出初始的显著图S2。最后，结合S1和S2得到最终的显著图。该方法能够找到图像中显著物体，同时提高了显著性检测的准确率。

技术领域

本发明属于计算机图像处理领域，涉及一种基于被包围状态和马尔可夫模型的图像显著性检测方法。

背景技术

近年来，图像的显著性检测作为计算机视觉领域的一个重要方向受到国内外研究人员的普遍关注。当前的方法主要发展为两个方向：自底向上(非监督) 和自顶向下(监督)。

目前的自底向上的显著性检测方法主要有：基于超像素的聚类的显著性检测，它主要利用超像素之间的相似性进行聚类得到显著图；基于图割的多层自适应区域融合方法，在这个方法中，利用超像素对图像建立图割模型，初始化自适应参数，通过自适应参数的逐层调整得到多层初始显著图，最后融合所有的初始显著图得到最终的显著图；基于贝叶斯框架的显著性检测，它通过处理基于像素为单位每一个像素，结合凸包和贝叶斯模型计算每个像素的显著值得到显著图；基于背景先验和吸收马尔可夫链的显著性检测方法，它主要是把图像的四周边界作为背景先验，利用吸收马尔可夫链进行吸收处理得到每个超像素的显著值，从而计算得到显著图。

自底向上的显著性检测方法还有很多，分析上面提到的几种方法我们可以得出自底向上的显著性检测的几个主要特征。自底向上的显著性检测方法需要先验知识的挖掘、基于图像的图模型的建立以及对应数学模型的建立等。比如对比度先验、背景先验和贝叶斯框架的建立等。

发明内容

针对现有技术存在的问题，本发明提出一种基于被包围状态和马尔可夫模型的图像显著性检测方法，目的在于更加准确高效的检测出图像中的显著性物体。

本发明的技术方案为：

一种基于被包围状态和马尔可夫模型的图像显著性检测方法，包括以下步骤：

第一步，计算显著物体的大致区域

1.1)采用公式(1)计算得到一组二值图；

其中，F_φ是用于特征通道采样的先验分布函数；是用于在特征通道θ上进行阈值采样的先验分布函数；φ(I)是定义的一个特征图，φ(I)∈[0,1]；B_k是产生的二值图，k＝1,2,…..,16。

1.2)基于步骤1.1)得到的二值图，对二值图进行激活，激活二值图中的被包围区域。

M⁺(B)＝M(B)∧B, (2)

二值图中包含多个连通分支，当一个像素被包含于边界连通分支中时，那么这个像素是没有被包围的。基于这一准则，以二值图的边界像素节点作为种子，利用注入填充算法(Flood Fill algorithm)高效的覆盖没有被包围的像素，从而得到激活图M(B)；激活图M(B)把所有被包围的像素值设为1，没有被包围的值设为0；最后利用公式(2)和公式(3)对激活图M(B)进行处理得到两个子激活图 M⁺(B)、M^-(B)。

1.3)计算得到显著物体的大致区域