[发明专利]一种双向吸收的马尔可夫显著性目标检测方法及装置

说明书

本发明公开了一种双向吸收的马尔可夫显著性目标检测方法，所述方法包括：A：利用SLIC算法对待检测图像进行分割，得到m个超像素块的集合；B：将所述待检测图像的边界上的超像素块作为吸收节点，获取所述待检测图像中的转移节点的前景概率；C：基于前景先验吸收获取所述待检测图像中的转移节点的背景概率；D：根据所述转移节点的前景概率和所述转移节点的背景概率，计算待检测图像的显著性值。本发明实施例还公开了一种双向吸收的马尔可夫显著性目标检测装置。应用本发明实施例，可以提高待检测图像的显著性检测的准确率。

技术领域

本发明涉及一种图像的显著性检测方法及装置，更具体涉及一种双向吸收的马尔可夫显著性目标检测方法及装置。

背景技术

随着计算机和网络通信技术的快速发展，图像数据越来越多。显著性检测作为计算机视觉领域用来降低计算复杂度的重要预处理步骤也得到了广泛的应用。显著性目标检测的是从待检测图像中定位出最显著的前景目标。该技术的应用领域特别广泛，如：目标检测与检测、目标跟踪等。

目前，现有的基于马尔可夫链的显著目标检测方法是使用SLIC(simple lineariterative clustering，简单的线性迭代聚类)算法分割待检测图像获得超像素块构造图的节点，再将四边界进行复制获得吸收节点，计算四边界节点的吸收时间，吸收的越快，吸收时间越短，则该节点对应的超像素块可能是背景；反之，如果吸收时间越长，则越可能为显著目标。

但是，一张图片中除了四边界，还有许多重要信息，比如先验信息，因此，应用现有技术检测得到的图片的显著性不够准确。

发明内容

本发明所要解决的技术问题在于提供了一种双向吸收的马尔可夫显著性目标检测方法及装置，以解决现有技术中检测得到的图片的显著性不够准确的技术问题。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了一种双向吸收的马尔可夫显著性目标检测方法，所述方法包括：

A：利用SLIC算法对待检测图像进行分割，得到m个超像素块的集合；

B：将所述待检测图像的边界上的超像素块作为吸收节点，获取所述待检测图像中的转移节点的前景概率；

C：基于前景先验吸收获取所述待检测图像中的转移节点的背景概率；

D：根据所述转移节点的前景概率和所述转移节点的背景概率，计算待检测图像的显著性值。

可选的，所述B步骤，包括：

B1：根据所述m个超像素块的集合，构建第一闭环图模型G¹(V¹,E¹)，其中，V¹为m个超像素块和吸收节点对应的节点集合；E¹为各个节点之间的边的集合；

B2：利用公式，z¹＝N¹×c，计算第一闭环图模型中各个转移节点的吸收时间，其中，z¹为各个所述转移节点的吸收时间；N¹为第一闭环图模型的基本矩阵；c为元素全为1的向量；

B3：利用公式，计算各个所述转移节点的前景概率，其中，z^f为各个所述转移节点的前景概率；为第一闭环图模型中第i个节点的归一化吸收时间；i为超像素块序号。

可选的，第一闭环图模型的基本矩阵的计算过程为：

获取所述第一闭环图模型中各个边的权重；

利用公式，根据所述权重构建第一闭环图模型的关联矩阵A¹，其中，