[发明专利]图像显著性预测结果的评价方法和装置有效

专利信息
申请号: 201810457947.3 申请日: 2018-05-14
公开(公告)号: CN108665455B 公开(公告)日: 2022-04-26
发明(设计)人: 李甲;苏金明;夏长群;赵沁平 申请(专利权)人: 北京航空航天大学
主分类号: G06T7/00 分类号: G06T7/00;G06T5/40
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 杨泽;刘芳
地址: 100191 北京市海淀区学院*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 显著 预测 结果 评价 方法 装置
【权利要求书】:

1.一种图像显著性预测结果的评价方法,其特征在于,包括:

对图像进行图像显著区域预测,得到所述图像显著区域预测结果;

采用根据预先训练获取的图像显著性预测结果的评价模型,获取对所述图像显著性预测结果的评价;

其中,所述图像显著性预测结果的评价模型为根据主观测试数据集,对基于相对显著关系的人类评价标准进行学习的卷积神经网络结构的数学模型进行训练得到的;

根据所述显著区域预测结果,采用预先获取的图像显著性预测结果的评价模型获取所述图像显著性预测结果的评价结果之前,所述方法还包括:

根据多种显著区域预测方法在多个图像数据集上的显著区域预测结果获取主观测试数据集;

针对所述主观测试数据集,设计一种基于相对显著关系的对人类评价标准进行学习的卷积神经网络结构的数学模型,并对所述数学模型进行训练,得到所述图像显著性预测结果的评价模型;

所述根据多种显著区域预测方法在多个图像数据集上的显著区域预测结果获取主观测试数据集,包括:

获取已采集到的多种显著区域预测方法在多个图像数据集上的显著区域预测结果;

对所述预测结果进行预处理,并进行主观测试实验,构建主观测试数据结果对;

分析所述主观测试数据结果对,补充显著区域真值图和随机图数据对,构建所述主观测试数据集;

所述分析所述主观测试数据结果对,补充显著区域真值图和随机图数据对,构建所述主观测试数据集,包括:

将每个图像显著区域的真值图和随机图数据对补充至所述主观测试数据结果对中,得到所述主观测试数据集;其中,真值图为每个显著区域预测方法对每个显著区域产生的最好结果,随机图为每个显著区域预测方法对每个显著区域产生的最坏结果。

2.根据权利要求1所述的方法,其特征在于,所述对预测结果进行预处理,包括:

对所述预测结果进行直方图均衡化处理。

3.一种图像显著性预测结果的评价装置,其特征在于,包括:

获取模块,用于对图像进行图像显著区域预测,得到所述图像显著区域预测结果;

处理模块,根据所述显著区域预测结果,采用根据预先训练获取的图像显著性预测结果的评价模型获取所述图像显著性预测结果的评价;

其中,所述图像显著性预测结果的评价模型为根据主观测试数据集,对基于相对显著关系的人类评价标准进行学习的卷积神经网络结构的数学模型进行训练得到的;

所述获取模块具体用于:

根据多种显著区域预测方法在多个图像数据集上的显著区域预测结果获取主观测试数据集;

所述处理模块具体用于:针对所述主观测试数据集,设计一种基于相对显著关系的对人类评价标准进行学习的卷积神经网络结构的数学模型,并对所述数学模型进行训练,得到所述图像显著性预测结果的评价模型;

所述获取模块具体用于:

获取已采集到的多种显著区域预测方法在多个图像数据集上的显著区域预测结果;

对所述预测结果进行预处理,并进行主观测试实验,构建主观测试数据结果对;

分析所述主观测试数据结果对,补充显著区域真值图和随机图数据对,构建所述主观测试数据集;

所述获取模块具体用于:

将每个图像显著区域的真值图和随机图数据对补充至所述主观测试数据结果对中,得到所述主观测试数据集;其中,真值图为每个显著区域预测方法对每个显著区域产生的最好结果,随机图为每个显著区域预测方法对每个显著区域产生的最坏结果。

4.根据权利要求3所述的装置,其特征在于,所述获取模块具体用于:对所述预测结果进行直方图均衡化处理的预处理。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810457947.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top