[发明专利]基于多尺度重构误差融合的绝缘子显著性检测方法

权利要求书

1.基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，包括如下步骤：

对绝缘子图像进行超像素分割，提取绝缘子图像四周的超像素图像块作为背景模板；

计算绝缘子图像的每个超像素图像块所对应的稀疏重构误差和稠密重构误差；

利用基于图像上下文信息的重构误差传播机制，使稀疏重构误差和稠密重构误差在每个类内的超像素图像块之间传播；

将不同尺度超像素分割情况下得到的重构误差进行加权融合；

利用条件随机场对稀疏重构误差和稠密重构误差进行融合，生成绝缘子显著图；

生成绝缘子显著图的具体方法如下：

建立条件随机场模型，将输入图像I(x,y)的图像标注A(x,y)的条件概率表示为：

其中，Z为分配函数；E(A|I)为能量函数，能量函数定义为稀疏重构误差进和稠密重构误差以及二者的线性组合，表示为：

其中，和分别为稠密重构误差和稀疏重构误差得到的显著图，和分别为稠密重构误差和稀疏重构误差对应的特征权值；ω_mn(S_m-S_n)²代表颜色差异惩罚项；S_m和S_n分别为第m个像素点和第n个像素点对应的颜色特征项；ω_mn为第m个像素点和第n个像素点对应的颜色差异惩罚项的权值；

其中，d_col(p_m,p_n)为像素对之间颜色差异归一化的L2范数；p_m和p_n分别为第m个像素点和第n个像素点，为差异矩阵的方差和平方。

2.根据权利要求1所述的基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，利用简单线性迭代算法对绝缘子图像进行超像素分割，具体包括如下步骤：

对原始图像进行初始化聚类及相似度度量；

采用K均值聚类方法更新迭代聚类中心；

将最相似的聚类中心标签赋予像素点，形成超像素图像块。

3.根据权利要求1所述的基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，利用稀疏表示方法求取稀疏重构误差，具体方法如下：

计算每个超像素图像块对应的稀疏系数；

计算每个超像素图像块在背景模板上的稀疏重构误差；

对稀疏重构误差进行归一化。

4.根据权利要求1所述的基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，利用主成分分析法求取稠密重构误差，具体方法如下：

计算背景模板的协方差矩阵：

对协方差矩阵进行特征值分解，根据特征值的大小，选取特征向量；

将超像素图像块投影到特征向量上，得到相应超像素图像块的稠密表示系数；

利用稠密表示系数计算获得各个超像素图像块所对应的稠密重构误差；

将稠密重构误差进行线性归一化。

5.根据权利要求1所述的基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，使稀疏重构误差和稠密重构误差在每个类内的超像素图像块之间传播的具体方法如下：

利用K均值聚类算法，将得到的超像素图像块划分为K类；

对重构误差进行更新，具体包括如下步骤：

根据重构误差大小，降序排列重构误差；

分别计算传播后的重构误差：假设待测绝缘子的第i个超像素图像块属于第k个类别，根据这一类内的其他超像素图像块的重构误差，将该超像素图像块经过上下文信息传播后的重构误差定义如下：

其中，[k₁,k₂,k₃,…,k_Nc]代表第k类别内的Nc个超像素图像块，τ是上式和(1-τ)ε_i的平衡系数；代表和第i个超像素图像块属于同一类的其他超像素图像块通过传播后重构误差的加权平均，j代表的是第k个类别中的第j个超像素图像块；ε_i为第i个超像素图像块在上一步中得到的重构误差；为同一类内的其他超像素图像块的权重，用和待测绝缘子的超像素图像块之间进行归一化后的特征相似度来表示，计算公式如下：

其中，σ_X2为矩阵X在每个特征维度下的方差和，δ(·)是脉冲函数；X_i代表第i个矩阵，代表第k_j个矩阵。