[发明专利]影像特征提取方法及其显著物体预测方法

权利要求书

1.一种类神经网络的影像特征提取方法，适用于环景影像，其特征在于，包含下列步骤:

将所述环景影像投影至立方模型以产生包含多个图像且彼此具有链接关系的图像组；

以所述图像组作为类神经网络的输入，其中，当所述类神经网络的运算层对其中所述多个图像进行填补运算时，根据连结关系由所述多个图像中的相邻图像取得须填补的数据，以保留图像边界部分的特征；以及

由所述类神经网络的运算层的运算而产生填补特征图，并由所述填补特征图中提取影像特征图。

2.如权利要求1所述的影像特征提取方法，其特征在于，所述运算层对所述多个图像进行运算，进而产生彼此具有连结关系的多个填补特征图，而形成填补特征图组。

3.如权利要求2所述的影像特征提取方法，其特征在于，当所述类神经网络的运算层对所述多个填补特征图其中之一进行填补运算时，根据连结关系，由所述多个填补特征图中的相邻填补特征图取得须填补的数据。

4.如权利要求1所述的影像特征提取方法，其特征在于，所述运算层为卷积层或池化层。

5.如权利要求4所述的影像特征提取方法，其特征在于，进一步包含所述图像的相邻图像取得须填补的数据的范围由所述运算层之过滤器的维度所控制。

6.一种显著物体预测方法，适用于环景影像，其特征在于，包含下列步骤：将所述环景影像投影至立方模型以产生包含多个图像且彼此具有链接关系的图像组；

以所述图像组作为类神经网络的输入，其中，当所述类神经网络的运算层对其中所述多个图像进行填补运算时，根据连结关系由所述多个图像中的相邻图像取得须填补的数据，以保留图像边界部分的特征；

由所述类神经网络的运算层的运算而产生填补特征图，并由所述填补特征图中提取影像特征图，作为静态模型；

对所述静态模型中各图像的画素进行显著性评分，而取得静态显著物体图；并在运算层中加入以长短期记忆神经网络运算层，将不同时间的多个静态显著物体图加以聚集，再经由显著性评分而取得动态显著物体图；以及

以损失方程式，根据先前时间点的动态显著物体图对当前时间点的动态显著物体图进行优化，以作为所述环景影像之显著物体预测结果。

7.如权利要求6所述的显著物体预测方法，其特征在于，所述运算层对所述多个图像进行运算，进而产生彼此具有连结关系的多个填补特征图，而形成填补特征图组。

8.如权利要求7所述的显著物体预测方法，其特征在于，当所述类神经网络的运算层对所述多个填补特征图其中之一进行填补运算时，根据连结关系，由所述多个填补特征图中的相邻填补特征图取得须填补的数据。

9.如权利要求6所述的显著物体预测方法，其特征在于，所述运算层为卷积层或池化层。

10.如权利要求9所述的显著物体预测方法，其特征在于，进一步包含所述图像的相邻图像取得须填补的数据的范围由所述运算层之过滤器的维度所控制。