[发明专利]一种图像目标显著性度量方法

说明书

本发明公开了一种图像目标显著性度量方法，涉及图像目标显著度算法领域；其包括如下步骤：1)将图像的目标进行手动图像‑背景分割得到目标显著图、获得边界所在位置坐标集合；2)对图像采样得到N×N的图像块后，结合目标显著图将其分类得到目标与背景图像块库；3)分别在M个边界所在的坐标位置处筛选离每个边界最临近的目标和背景图像块后对其配对得到M对目标和背景图像块；4)对每个图像块进行稀疏表征获取其参数；5)将步骤3所得和步骤4所得参数进行整合得到任意目标的显著值；本发明解决了现有技术未考虑目标在图像中的显著因素导致显著值不准确，从而不符合视觉显著性的问题，达到了图像目标显著值符合视觉显著性的效果。

技术领域

本发明涉及图像目标显著度算法领域，尤其是一种图像目标显著性度量方法。

背景技术

随着计算机视觉和图像处理技术的发展，图像目标显著性检测算法层出不穷，而对其检测质量的判定逐渐成为挑战；由于目标所处背景不同其显著性存在差异，从而会对检测算法的输出产生影响，现有技术中图像目标显著性的度量是通过计算显著性算法输出显著图与手工标定显著图的差值，作为衡量非显著性信息多少的指标，进而评价显著图的质量，但是该方法未考虑目标在图像中的显著程度，导致显著度结果不准确，不符合视觉上的显著性；因此，依照视觉的相关属性，需要一种图像目标显著性度量方法考虑目标在图像中的显著程度，从而实现对图像中任意目标显著性的度量。

发明内容

本发明的目的在于：本发明提供了一种图像目标显著性度量方法，解决了现有技术未考虑目标在图像中显著因素导致显著值不准确，从而不符合视觉显著性的问题。

本发明采用的技术方案如下：

一种图像目标显著性度量方法，包括如下步骤：

步骤1：将自然图像的任意目标进行图像-背景分割，得到目标显著图，并根据其获得边界所在位置的坐标集合；

步骤2：将自然图像进行连续采样得到N×N大小的图像块，并结合目标显著图判断每个图像块属于目标图像或者背景图像后生成目标图像库和背景图像库；

步骤3：分别在M个边界所在的坐标位置处筛选目标图像库和背景图像库中离每个边界最临近的图像块后，并将图像块配对得到M对目标和背景图像块；

步骤4：分别对目标图像块和背景图像块进行稀疏表征，获取目标图像块和背景图像块的朝向、空间频率、对比度信息和权值；

步骤5：将步骤3所得M对目标和背景图像块以及步骤4所得目标图像块与背景图像块的朝向、空间频率、对比度信息和权值进行整合得到图像中任意目标的显著值。

优选地，所述整合采用的公式如下： (其中，M表示边界的像素数目，N×N为基函数的数量，下标1和2分别表示目标图像块和背景图像块，α表示每个基函数表征图像块的权值，θ、f、W代表每个基函数的朝向、空间频率和对比度信息)。

优选地，所述步骤4包括如下步骤：

步骤4.1：选择自然图像进行训练得到用于表征任意自然图像块的N×N基函数集合；

步骤4.2：对每个基函数进行拟合获得每个基函数的朝向、空间频率和对比度信息；

步骤4.3：采用稀疏表征模型，用N×N基函数集合分别表征每对目标图像块和背景图像块，得到每个基函数表征每对目标图像块和背景图像块的权值。

优选地，所述步骤2中N取16或者16的其他整数倍。

优选地，所述步骤1中的目标区域标定为255，背景区域标定为0，边界区域介于背景区域和目标区域之间。

优选地，所述步骤4.2中拟合采用初级视皮层神经元感受野模型。

综上所述，由于采用了上述技术方案，本发明的有益效果是：