[发明专利]一种基于多尺度特征动态融合的显著性目标检测方法

说明书

本发明属于计算机视觉领域，提供了一种基于多尺度特征动态融合的显著性目标检测方法，包括以下步骤：1)利用VGG‑16主干框架对RGB图像进行多尺度特征提取并进行编码；2)利用多尺度特征动态融合模块优化多尺度特征，生成初始显著性图；3)利用边缘预测模块从主干网络中低层次的特征生成高质量边缘信息图；4)初始显著性图与边缘信息图进行高效融合增强显著性目标的边缘信息，生成高性能最终显著性图。与现有的技术相比，本发明基于多尺度动态特征融合的显著性检测算法融合了多尺度特征和边缘预测网络，可以有效提升显著性图的质量。

技术领域：

本发明涉及图像处理领域，具体来说，涉及了一种基于多尺度特征动态融合的显著性目标检测方法。

背景技术：

本部分的陈述仅仅是涉及到了与本发明相关的背景技术，并不必然构成现有技术。

随着多媒体数据技术、网络技术、摄像设备以及数字存储技术的快速发展，人们获取的数字图像数据容量不断增加，面对这些海量的数据，仅凭人力根本无法对其进行实时处理，也就意味着也对图像信息处理有了更高的需求。受到人类视觉系统能快速、准确地识别出图像中的显著性目标所启发，假设计算机能具有类似人类的自动识别图像的能力，那么就可以帮助人类快速地完成很多图像处理任务。因此，显著性目标检测应运而生，它的研究内容是如何检测图像中显著性目标并完整地从背景中分割出来。这个研究内容在图像分割、视觉追踪、场景分类、图像和视频压缩、目标识别等多个领域都具有重要的意义。

根据特征选择时是否基于人的先验知识，显著性目标检测大致可以分为两类，一类是基于刺激驱动的传统显著性目标检测，另一类是基于数据驱动的深度学习显著性目标检测。传统显著性目标检测基于刺激驱动，主要是利用一些低级的视觉先验信息(如颜色、对比度、纹理等)进行显著性目标检测。虽然，传统的显著性检测方法可以利用各类视觉先验信息，理解图像中的内容，区分出显著性目标。但是因为它只能利用低级视觉先验信息，无法利用高层次的语义信息，使得很难从复杂的背景的图像中区分出显著性目标。随着，硬件的不断发展，电脑计算速度的不断提升，基于数据驱动的深度学习方法开始广泛流行，基于深度学习的显著性目标检测方法也开始了蓬勃的发展。由于它可以利用深层次的神经网络提取到图像中的高层次语义信息，进而可以充分的利用高层次语义信息来更好的定位显著性目标。

虽然，基于深度学习的显著性目标检测方法，相较于传统的显著性目标检测有了很大的提升。针对不同场景下显著性目标尺寸复杂多变且类别不固定，使得多尺度特征在显著性目标检测中起到非常重要的作用。现有的很多方法提出了大量的多尺度特征融合策略，来利用多尺度特征。然而，都是静态特征融合策略，无法判断特征融合后的优劣情况，而特征的优劣将直接导致显著性图性能的好坏。同时，现有方法虽然可以较准确定位显著性目标，但分割出的显著性目标边缘信息仍然不够丰富。而边缘信息是判断显著性图性能的重要指标。

发明内容:

为了解决上述问题，本发明提出了一种多尺度特征动态融合的显著性目标检测方法及系统，设计多尺度特征动态融合模块，通过对多尺度动态匹配最优融合策略，进一步提升主干VGG-16框架生成特征的质量，生成初始显著性图；设计边缘预测模块，生成高质量边缘信息图；初始显著性图与边缘预测图进行融合生成高质量显著性图。使得网络可以从复杂背景中准确地定位显著性目标并完整地将其分割出来。

本发明的技术方案是提供了一种基于多尺度特征动态融合的显著性目标检测方法，该方法包括以下步骤：

1.收集RGB图像数据集，利用VGG-16主干框架提取图像多尺度特征并进行编码；

1.1)收集显著性目标检测领域常用的RGB图像数据集,MSRA-10K数据集、ECSSD数据集、PASCA-S数据集、SOD数据集、THUS数据集。

1.2)将MSRA-10K数据集作为训练数据集，将SOD数据集、ECSSD数据集、PASCA-S数据集、THUS数据集作为测试数据集。