[发明专利]基于背景与目标先验的多尺度扩散显著目标检测方法

权利要求书

1.基于背景与目标先验的多尺度扩散显著目标检测方法，其特征在于，包括如下步骤：

步骤1，利用简单线性迭代聚类算法将图像分割成尺度n下的超像素，且在尺度n下，超像素的数目为R_n，第i个超像素记为N为所有尺度的数目，利用Lab和RGB的色彩空间提取各超像素的平均颜色特征，根据平均颜色特征和超像素内所有像素的坐标描述各超像素，并将第i个超像素表示为R^C×1为C×1的特征空间，C是特征维度；

步骤2，将图像的边界超像素作为背景超像素，若背景超像素的数目为M，则尺度n下第k个背景超像素表示为构建背景超像素集合作为稀疏表示字典，R^C×M为C×M的特征空间，对第i个超像素进行稀疏表示编码，并根据重构误差计算尺度n下第i个超像素的背景显著性值

步骤3，随机选择图像中的任意像素作为窗口的中心，随机抽取图像中的10000个图像块作为10000个窗口，计算各窗口被判定为显著性目标的概率值，根据概率值计算图像中任意一个像素的显著性值，根据显著性值得到尺度n下第i个超像素的目标显著性值

步骤4，通过贝叶斯推理整合尺度n下第i个超像素的背景显著性值和目标显著性值，得到尺度n下融合背景先验和目标先验的第i个超像素的显著性值，即融合显著性值

步骤5，针对尺度n，将每个超像素作为结点构建集合V，将结点之间的连接作为边构建集合E，根据V和E构造图G(V,E)，所有结点间的权值矩阵为W，其中第i个结点和第j个结点之间的权值为w_ji，得到度矩阵为

步骤6，针对尺度n，根据步骤4得到的融合显著性值计算该尺度下所有超像素的平均显著性值将平均显著性值作为阈值对该尺度下的所有超像素的融合显著性值进行二进制分割，得到二进制显著性值使用流形排序将二进制显著性值传播到整个图像，并根据度矩阵获得每个超像素的最终显著性值

步骤7，重复步骤2-6，计算不同尺度下所有超像素的最终显著性值，通过加权求和将不同尺度下所有超像素的最终显著性值传播到像素，得到像素级显著图S_p。

2.根据权利要求1所述基于背景与目标先验的多尺度扩散显著目标检测方法，其特征在于，步骤1所述简单线性迭代聚类算法的具体步骤如下：

(1)初始化种子点即聚类中心，按照设定的超像素个数K，在图像内均匀分配种子点，图像总的像素点个数为Num，每个超像素的大小为Num/K，相邻种子点的距离为DS＝sqrt(Num/K)；

(2)在以种子点为中心的3*3邻域内选择梯度最小的像素作为新的种子点；

(3)计算每个新的种子点与其2DS*2DS邻域内像素点的距离，将各像素点分配给与其距离最近的种子点，距离公式为：

其中，d_c为颜色距离，d_h为空间距离，Dist为颜色距离和归一化的空间距离的和，l,a,b为Lab色彩模型的三要素，x,y分别为像素点的横,纵坐标，下标v,u分别表示第v,u个像素点，mp表示超像素紧凑程度；

(4)根据各像素点对应的种子点重新计算聚类中心，计算当前聚类中心与之前聚类中心的误差，若误差大于指定阈值则重复步骤(2)-(4)，否则转(5)；

(5)将不连续的超像素或者尺寸在1～Num/K之间的超像素重新分配给邻近的超像素。

3.根据权利要求1所述基于背景与目标先验的多尺度扩散显著目标检测方法，其特征在于，步骤2所述背景显著性值的计算过程为：

(1)计算尺度n下第i个超像素的稀疏编码系数，公式为：

(2)根据重构误差计算尺度n下第i个超像素的背景显著性值公式为：

其中，α_i表示第i个超像素的稀疏编码系数，R^M为M的特征空间，M为背景超像素的数目，表示第i个超像素，B为稀疏表示字典，λ为稀疏惩罚项||α_i||₁的系数，||·||₁表示向量的1范数，表示向量的2范数的平方。