[发明专利]一种新的显著性目标检测方法

权利要求书

1.一种新的显著性目标检测方法，其特征在于，包括以下步骤：

S1：利用目标性计算先验概率显著图；

S2：在图像的超像素区域内建立词袋模型，并基于此特征计算条件概率显著图；

S3：根据贝叶斯推断将先验概率和条件概率显著图进行合成。

2.根据权利要求1所述的显著性目标检测方法，其特征在于，利用目标性计算先验概率显著图的具体方法如下：

1）对于一幅给定的图像I，显著性检测的目的是将图像中任意像素x归于前景目标区域或者背景区域两种可能状态之一，将这两种状态分别简记为S(Salient)和B(Background)，它们的先验概率相应地简记为P(S)和P(B)，则根据贝叶斯推断原理，像素x的显著性计算公式为：

；

；

式中，表示显著区域已知的情况下观测像素x的条件概率密度，表示背景区域已知的情况下观测像素x的条件概率密度；

2）对于图像中的任意像素x，以此像素为中心，随机抽取图像中的W个窗口，分别从以下四个方面计算每个窗口的目标性：

A）窗口显著性，首先利用任意显著性检测方法计算得到图像中每个像素的显著值I(p)，则窗口w∈W的显著性计算公式为：

；

式中，表示待学习的显著性阈值参数；

B)颜色对比度，对于窗口w∈W，以为固定倍数在每个方向将其扩展到周围区域得到某一矩形区域Surr(w，)，则窗口w在此区域内的颜色对比度计算公式为：

；

式中，、分别表示窗口w与矩形区域的颜色直方图，表示卡方距离函数；

C）边缘密度，对于窗口w∈W，以为固定倍数将其收缩到内部环状区域，则此窗口w在区域内的边缘性计算公式为：

；

式中，表示使用用Canny算子得到的二值图，表示计算区域的周长；

D）轮廓闭合性，

首先将图像分割为若干超像素S，则窗口w∈W的轮廓闭合性的计算公式为：

；

式中，s∈S表示图像中的第s个超像素，|s\w|表示超像素s位于窗口w之外的面积，而|s∩w|表示超像素s位于窗口w内部的面积；

3）将上述得到的窗口显著性、颜色对比度、边缘密度以及轮廓闭合性进行融合就得到每个窗口被判定为显著性目标的概率值P(w)，那么基于目标性的先验概率计算公式为：

。

3.根据权利要求1所述的显著性目标检测方法，其特征在于，计算条件概率显著图的具体方法如下：

1）假定图像周边的超像素区域为背景区域，假设背景区域内超像素的数目为，背景超像素词袋特征记为，其中第j个超像素区域的词袋特征表示为，使用Parzen窗法得到背景超像素特征的概率密度分布，表达式为：

；

式中，K为核函数，σ为窗宽，K为背景超像素特征的维数，即词袋特征的维数；

2）核函数选用高斯核函数，则1)中公式变为：

；

式中，表示范数；

3）在背景区域已知的情况下，图像中任意超像素区域的条件概率密度计算公式为：

；

。