[发明专利]一种基于超复数傅里叶变换和均值偏移的显著性目标检测方法

说明书

本发明公开了一种基于超复数傅里叶变换和均值偏移的显著性目标检测方法，包括以下步骤：S1，输入超复数矩阵,定义一个超复数矩阵；S2，输入一张图像，定义图像的超复数形式表示；S3，提出一个频谱尺度空间来处理不同尺度的幅度谱，产生一个单参数的平滑谱系列，由高斯核的尺度对它进行参数化；S4，根据多尺度频率域波得到的一组谱尺度空间，以及原始相位谱和欧拉频谱，计算出不同尺度的显著图；S5，用均值偏移进行图像分割；S6，提出阈值选择法，阈值(T_a)值被确定为给定图像的平均显著性的两倍。S7，显著目标的彩色复现。本发明可消去重复的复杂背景，有效的抑制复杂背景，准确定位显著性目标。

技术领域

本发明涉及到显著性目标检测技术领域，具体涉及一种基于超复数傅里叶变换和均值偏移的显著性目标检测方法。

背景技术

网络时代的大背景下，大数据成为了研究的主流。人作为网络时代的参与者和建设者以视觉作为获取信息的主要来源，据统计每秒大概有108—109比特的视觉信息量进入人眼[1]，如此大量的视觉信息需要通过更多的图像数据来保存和传输。如何利用计算机解决人脑处理海量图像数据所面临的局限，给了人们更多的想象空间，于是计算机视觉与图像处理学科应运而生。

显著性目标检测常作为图像分析与理解的预处理模块，已成为该领域的研究热点。本发明针对传统的显著性目标检测方法普遍存在的在复杂背景干扰下准确率低、得到的显著性图中目标边界模糊的问题，提出一种基于超复数傅里叶变换和均值偏移的显著性目标检测方法。首先，通过超复数傅里叶变换对图像进行显著性目标检测，消除重复性背景，生成初步显著图；其次，利用均值偏移所获取的模式点对图像进行平滑滤波，再将像素数量较少的模式合并到临近的模式中，从而对初步显著图进行再分割；然后，通过阈值修正对得到的显著图再次进行背景抑制，并二值化处理显著图；最后，通过彩色复现，得到最终显著图。实验结果表明，本发明方法在背景抑制的同时，能准确锁定指定目标的位置，并得到目标完整且边界明确的显著性图。与其它流行方法相比，该方法在评价指标的值上有显著提高，且在保证运算效率的同时，对于复杂背景下的边界模糊的图像检测具有更好的准确性。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于超复数傅里叶变换和均值偏移的显著性目标检测方法。

本发明提出的一种基于超复数傅里叶变换和均值偏移的显著性目标检测方法，包括以下步骤：

S1，输入超复数矩阵,定义一个超复数矩阵；

S2，输入一张图像，定义图像的超复数形式表示；

S3，提出一个频谱尺度空间来处理不同尺度的幅度谱，产生一个单参数的平滑谱系列，由高斯核的尺度对它进行参数化；

S4，根据多尺度频率域波得到的一组谱尺度空间，以及原始相位谱和欧拉频谱，计算出不同尺度的显著图；

S5，用均值偏移进行图像分割；

S6，提出阈值选择法，阈值(T_a)值被确定为给定图像的平均显著性的两倍。

S7，显著目标的彩色复现。

优选的，所述S1中，一个超复数矩阵可以定义为：

f(n,m)＝a+bi+cj+dk

其中i，j，k是虚数单位，满足i²＝j²＝k²＝-1。

离散超复数傅里叶变换形式：

其中是一个单位纯四元数，且μ²＝-1。F_H[u,v]也是一个超复数矩阵。

超复数傅里叶变换的逆变换为：