[发明专利]改进背景先验和前景先验的二维码区域检测方法

权利要求书

1.改进背景先验和前景先验的二维码区域检测方法，其特征在于：包括以下步骤，

S1、将输入的原始图像G进行凸包检测，并进行超像素分割：首先对图像进行凸包计算，以凸包为边界将图像划分为两部分，凸包内部区域即包含图像目标的前景区域，凸包外部区域即包含图像背景的背景区域，以凸包区域之外的超像素为背景种子，以凸包区域之内的超像素为前景种子，然后分别以背景种子和前景种子为先验知识，将图像分割成四种不同的超像素尺度；

S2、对每种超像素尺度下的图像分别进行多特征提取，计算新的权重值：计算每种超像素尺度下图像的Lab颜色特征、RGB特征和LBP纹理特征，依据图像的三种底层特征改进原有权重值，得到新的权重值；

S3、计算原始图像G的背景显著图：以背景种子为先验，结合新的权重值对于四种不同尺度下的图像计算相应尺度下四个方向的边界显著图，将每一种尺度下的图像四个方向的边界显著图进行线性加权计算得到该尺度下图像的背景显著图，线性融合四种尺度下的背景显著图得到最终的背景显著图；

S4、计算原始图像G的前景显著图：以前景种子为先验，结合新的权重值分别计算四种不同的超像素尺度下图像的前景显著图，融合四种尺度的前景显著图得到最终的前景显著图；

S5、计算原始图像G中二维码区域：融合步骤S3所得最终的背景显著图和步骤S4所得最终的前景显著图得到弱显著图，根据由弱显著图生成的训练样本，采用多核学习增强的方法训练得到强显著性模型，将此模型应用到所有测试样本中得到强显著性图；最后加权融合强显著图和弱显著图，得到最终显著图，依据显著性检测判断标准，将显著性目标在显著图中高亮显示，因此最终显著图中最为高亮的部分即为图像中二维码区域。

2.如权利要求1所述的改进背景先验和前景先验的二维码区域检测方法，其特征在于：步骤S1中，将图像G进行凸包检测以及超像素分割，具体为：

S11、通过Harris角点检测算法计算原图像G的角点，连接最外围角点形成能够包围所有角点的最小多边形即原图像G的凸包；

S12、将原图像G采用简单线性迭代聚类方法SLIC进行超像素分割，原图像G分割得到的超像素块集合记为X＝{x₁,x₂...,x_T}，其对应的显著性值记为V＝{v₁,v₂...,v_T}，T是分割的所述超像素块的个数。

3.如权利要求1所述的改进背景先验和前景先验的二维码区域检测方法，其特征在于：步骤S2中，对不同超像素尺度图像进行多特征提取，依据图像的三种底层特征改进原有权重值，得到新的权重值，具体为：

改进流行排序算法中采用单一尺度单一特征计算权重值w_ij，给定一个m维特征，n个点的数据集同时通过设定向量Y＝{y₁,y₂,y₃,L,y_n}^Τ来记录数据的标记情况，当y_i＝1时表示对应的数据x_i为查询节点，当y_j＝0时表示数据x_j为待排序的节点；每个待排序数据x_i的排序值由函数f^*确定；接下来，在X上构造一个图G＝(V,E)，V是数据集X对应的图的结点，依据关联矩阵W^*＝[w^*_ij]_n×n计算图的边缘E；计算图的度矩阵D＝diag{d₁₁,L,d_nn}，其中d_ii＝∑w_ij，依据图像的三种底层特征改进w_ij，得到新的权重值w_ij^*：

其中，i,j∈V；d_k(c_i,c_j)是超像素c_i和c_j在特征空间下的欧式距离，RGB(F₁)颜色特征，Lab(F₂)颜色特征和LBP(F₃)纹理特征分别为所述特征空间，σ是常数，根据颜色空间中的距离计算权重。