[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

说明书

本发明公开了基于背景与目标先验的多尺度扩散显著目标检测方法，首先利用简单线性迭代聚类算法将图像分割为不同尺度下的超像素；然后，将图像四周作为背景先验，计算每个像素与背景超像素在CIELAB颜色空间的欧氏距离得到背景显著图；并且，同时使用目标性作为先验信息得到前景显著图；通过贝叶斯推理在每个尺度上计算每个超像素的背景显著性和目标显著性，得到融合前景和背景先验的显著图；再次，选择流形排序法将各个超像素的显著性传播到整幅图像中得到空间优化后的显著图；最后，通过不同尺度下显著性值的加权求和构造像素级显著图。实验结果表明，在四种公共基准数据集上，本发明方法相比于传统方法能够更有效地检测显著目标。

技术领域

本发明涉及基于背景与目标先验的多尺度扩散显著目标检测方法，属于图像显著性目标检测技术领域。

背景技术

在处理数量庞大的输入信息时，人类视觉利用注意机制筛选出部分最有价值的数据进行优先处理。受此启发，计算机建立显著性检测模型自动选择出图像场景中最感兴趣部分来减少后续分析的复杂度和处理的计算量。早期的显著性模型倾向于人眼视觉关注点，显著性目标检测由于能够得到较为完整的整体目标，在图像分割、目标识别和图像检索等领域有着广泛的应用而得到更多的关注。

近年来，图像四周区域在多个显著性检测模型中充当了背景先验，为检测显著性提供了有效的视觉信息。因此，越来越多的自下而上的方法倾向于使用图像边界作为背景种子。Wei等人(Y.Wei,F.Wen,W.Zhu,and J.Sun,“Geodesic saliency using backgroundpriors,”in Proc.of the 12th European Conference on Computer Vision,pp.29-42,Oct.7-13,2012)提出了一种用测地线距离表示的显著度，通过计算到虚拟背景节点的最短路径的长度来测量图像块的显著性。Lu等人(H.C.Lu,X.H.Li,L.H.Zhang,X.Ruan,andM.H.Yang,“Dense and Sparse reconstruction Error Based Saliency Descriptor,”IEEE Transaction on Image Processing,vol.25,no.4,pp.1592-1603,Apr.,2016)利用图像四周超像素构建背景词典，分别计算各个图像块的稠密和稀疏重构误差得到显著图，最后使用贝叶斯公式将二者有效地结合了起来。Zhu等(Zhu W J,Liang S,Wei Y C,SunJ.Saliency optimization from robust background detection[C].Proceedings ofthe 27th International Conference on Computer Vision and PatternRecognition.Columbus,USA:IEEE Computer Society,2014:2814-2821.doi:10.1109/CVPR.2014.360)利用每个区域包含边界的比例定义边界连通性来进一步判定图像四周中的超像素是否属于背景，从而得到更鲁棒的背景先验信息完成显著性检测。但当目标出现在图像边缘时可能导致错误的检测结果，并且目标可能出现在多个尺度上，单个尺度上的检测无法充分挖掘检测性能。