[发明专利]图像显著性预测结果的评价方法和装置

说明书

本申请提供一种图像显著性预测结果的评价方法和装置，该方法包括：获取已采集到的多种显著区域预测方法在多个图像集上的显著区域预测结果，对该预测结果进行预处理，并使用该预测结果进行主观测试实验，得到任意两种预测方法所产生的两张显著性预测结果图的主观相对显著关系，构建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，再构建主观测试结果数据集，针对该主观测试结果数据集，构建一种基于相对显著关系的卷积神经网络模型，训练该卷积神经网络模型，从该模型中获得图像显著性预测结果的评价方法，在该评价方法中，将显著区域预测结果和真值图作为输入，实现了图像显著性预测结果的评价。

技术领域

本发明涉及计算机视觉和图像处理领域，尤其涉及一种图像显著性预测结果的评价方法、装置。

背景技术

图像显著区域预测是计算机视觉的重要基础问题，图像显著区域预测的评估是计算机视觉的重要问题，在已有的文献中，研究人员已经提出了许多的显著性预测方法和评估方法。

目前已有的图像显著区域预测方法包括：IT方法、GB方法、CA方法等方法，这些方法能获得不错的图像显著区域预测结果。图像显著区域预测方面，广泛使用AUC、PRE和NSS等10个评价指标及建立各种模型来实现对图像显著性预测结果的评估。

然而，上述评价方法虽然实现了对图像显著区域预测结果的评价，但是都无法覆盖所有预测方法的属性，且易于受到人类视觉认知的影响，因此，无法实现和人类视觉认知保持一致地对图像显著性预测结果的评价。

发明内容

本发明实施例提供一种图像显著性预测结果的评价方法和装置，用于解决上述方案中的评价方法无法覆盖所有预测方法属性，以及易于受到人类视觉认知影响的问题，从而实现和人类视觉认知一致地对图像显著性预测结果的评价。

本发明实施例第一方面提供一种图像显著性预测结果的评价方法，包括：

对图像进行图像显著区域预测，得到所述图像的显著区域预测结果；

采用根据预先训练获取的图像显著性预测结果评价模型，获取对所述图像的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。

在一种具体实现方式中，

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。

在一种具体实现方式中，

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。

在一种具体实现方式中，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。

在一种具体实现方式中，