[发明专利]图像检测方法及装置

说明书

本发明公开了一种图像检测方法及装置，涉及图像处理技术领域，主要目的在于在图像检测的过程中，解决图像目标的检测结果准确性较低的问题而发明。本发明的方法包括：根据待检测图像的底层特征，利用预设模型获取所述待检测图像的目标先验数据；通过低秩矩阵分解对所述待检测图像的底层特征进行处理，得到目标特征及背景冗余信息；根据所述目标先验数据对所述待检测图像中的目标特征及背景特征按照监督信息方向分离，得到初步图像目标；利用优化中智学算法对所述初步图像目标进行优化，得到图像目标以完成图像检测，所述优化中智学算法是对中智学理论重新数学公式定义得到的。本发明主要适用于对自然图像的图像目标进行检测。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像检测方法及装置。

背景技术

随着技术的不断发展，图像作为网络中传输的重要形式，已在网络的数据传输中广发使用，而随着图像使用的逐步增多，图像的采集、处理、及检测等图像处理技术也逐步受到人们的重视。

而随着图像处理技术的不断革新，基于中智学算法等图像处理技术已逐步开始使用。其中，中智集(英文名称：Neutrosophic Set，简称NS)是一种基于中智学理论的图像处理方法，可以将图像中的像素点进行分组，并基于分组特点进行图像的分割以便将分割后的图像目标进行检测。然而，在实际应用中发现，现有的依靠中智学算法进行图像的检测方式在图像中存在目标小超过背景或者多个目标时，其检测结果易受到干扰，且由于在进行检测时现有的处理方式对于目标与背景进行分离时，二者间的模糊区域在分离时的准确性较低，因此，导致现有的图像检测的准确性易受图像中内容中不确定性影响，从而导致图像目标检测结果的准确性较低。

发明内容

鉴于上述问题，本发明提供一种图像检测方法及装置，主要目的在于在图像检测的过程中，解决图像检测结果准确性较低的问题。

为解决上述技术问题，第一方面，本发明提供了一种图像检测方法，该方法包括：

根据待检测图像的底层特征，利用预设模型获取所述待检测图像的目标先验数据；

通过低秩矩阵分解对所述待检测图像的底层特征进行处理，得到目标特征及背景冗余信息；

根据所述目标先验数据对所述待检测图像中的目标特征及背景特征按照监督信息方向分离，得到初步图像目标；

利用优化中智学算法对所述初步图像目标进行优化，得到图像目标以完成图像检测，所述优化中智学算法是对中智学理论重新数学公式定义得到的。

可选的，在所述根据待检测图像的底层特征，利用预设模型获取所述待检测图像的目标先验数据之前，所述方法还包括：

对所述待检测图像进行底层特征提取，其中，所述待检测图像的底层特征包括颜色特征、局部信息熵、引导滤波、梯度及位置特征；所述颜色特征是基于L*a*b*颜色空间的三个颜色分量和颜色体积确定的。

可选的，所述预设模型包括前景模型及背景模型；

所述根据待检测图像的底层特征，利用预设模型获取所述待检测图像的目标先验数据，包括：

通过所述前景模型从所述底层特征中提取像素级的目标特征；

通过所述背景模型从所述底层特征中提取超像素级的目标特征；

将所述像素级的目标特征及超像素级的目标特征进行融合，得到所述目标先验数据。

可选的，在利用优化中智学算法对所述初步图像目标进行优化，得到图像目标以完成图像检测之前，所述方法还包括：

对所述中智学算法进行重新定义，得优化中智学算法公式，其中，所述优化中智学算法公式为：