[发明专利]基于各向异性扩散的显著度检测方法有效
申请号: | 201910397765.6 | 申请日: | 2019-05-14 |
公开(公告)号: | CN110211078B | 公开(公告)日: | 2021-01-19 |
发明(设计)人: | 刘碧莹;王凡;徐丽娟;胡小鹏 | 申请(专利权)人: | 大连理工大学 |
主分类号: | G06T5/50 | 分类号: | G06T5/50;G06T7/187;G06K9/62 |
代理公司: | 大连理工大学专利中心 21200 | 代理人: | 隋秀文;温福雪 |
地址: | 116024*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 各向异性 扩散 显著 检测 方法 | ||
本发明涉及基于各向异性扩散的显著度检测方法,属于图像处理技术领域。本发明包括:第一步基于超像素分割的无向图表达;第二步基于各向异性扩散的结构连通显著性度量;第三步外观对比显著性度量;第四步显著图融合和优化,将得到的边界连通显著图与对比度显著图以像素级的方式相融合,得到初始显著图;再分别采用中心先验准则和对比度增强两种后处理方法优化初始显著图,以增强初始显著图的图像中心的视觉效果和目标‑背景之间的对比度,生成最终显著图结果。本发明方法生成的显著图更均匀,目标边缘轮廓更清晰准确,能够有效解决复杂自然图像目标分布不均匀、尺度不一致增大检测难度的问题以及由光照变化或噪声引起的边缘不清晰问题。
技术领域
本发明涉及基于各向异性扩散的显著度检测方法,属于图像处理技术领域。
背景技术
近些年来,随着大量显著度检测算法的提出,显著目标检测技术得到了飞速发展,但仍存在一定不足。复杂图像中目标尺度不一致、分布不均匀都会增大检测的难度,造成检测的不稳定性。而且当图像中存在由于光照变化或噪声引起的区域边缘模糊现象时,检测效果并不理想。
现有的基于距离度量的方法是采用距离度量图像单元之间的对比度,但通常无法有效区分不同图像区域的拓扑结构或由于噪声影响容易对图像结构信息描述不准确。基于结构信息的方法如流形排序结构、随机游走结构和马尔可夫结构等,都通过研究无向图中的流形排序或随机游走等特性来分析图像结构信息,然而排序或游走的过程容易受到光照变化或噪声干扰,从而影响对于边缘不清晰问题的检测准确性和稳定性。
发明内容
本发明旨在克服现有技术中存在的不足,针对上面的问题,提供一种基于各向异性扩散的显著度检测方法。该方法充分利用图像区域之间的拓扑结构信息,以及各项异性扩散能够自主感知区域边缘、保留重要结构并去除噪声的特性,得到图像区域的结构连通性信息。将图像的显著度定义为基于各向异性扩散的边界连通性结构信息与基于颜色差异表达的外观全局对比信息相融合的结果,有效衡量图像单元的之间的对比度,达到准确鲁棒地检测显著目标的目的。
本发明的技术方案:
基于各向异性扩散的显著度检测方法,包括以下步骤:
第一步,基于超像素分割的无向图表达;
第二步,基于各向异性扩散的边界连通显著性度量;
第三步,外观对比显著性度量;
第四步,显著图融合和优化;将得到的边界连通显著图与对比度显著图以像素级的方式相融合,得到初始显著图;再分别采用中心先验准则和对比度增强两种后处理方法优化初始显著图,以增强初始显著图的图像中心的视觉效果和目标-背景之间的对比度,生成最终显著图结果。
其中,融合的显著图中既包含了基于各向异性扩散描述的边界连通性结构信息,也包含了基于颜色差异表达的外观全局对比信息,将两者相结合,共同度量图像的显著度。
本发明原理:图像中属于同一区域内的像素点是相互连通的,不同区域之间的像素连通性大大降低,而且同区域内的像素与不同区域间的像素特征差异相比较小。因此,本发明从图像的结构连通性角度出发,采用各向异性扩散模拟图像的拓扑结构,计算图像单元的边界连通性。并将基于各向异性扩散的结构连通信息与基于颜色差异的外观对比信息融合在一起,共同衡量图像对比度,得到对自然场景图像中目标的显著度检测。
本发明的有益效果:与现有的显著度检测方法相比,该方法生成的显著图更均匀,目标边缘轮廓更清晰准确,能够有效解决复杂自然图像目标分布不均匀、尺度不一致增大检测难度的问题以及由光照变化或噪声引起的边缘不清晰问题。
附图说明
图1为本发明方法的基本流程图。
图2为各向异性扩散示意图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大连理工大学,未经大连理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910397765.6/2.html,转载请声明来源钻瓜专利网。