[发明专利]一种图像显著度检测的方法

摘要

本发明属于图像显著度检测技术领域。其特征是能够对任意一幅图像的显著目标进行检测，涉及到图像处理的相关知识。首先，将图像过分割形成超像素，并进行Harris兴趣点检测形成凸包；其次，对图像进行边缘检测并计算图像的边缘权重图；然后，使用边缘权重图度量颜色空间信息得到先验图；以先验图作为基准使用软分割得到观测似然概率；最后，使用贝叶斯框架结合先验图和观测似然概率得到显著度检测结果。本发明的益处在于能够很好的消除背景噪声，平滑的高亮图像目标，能够处理在显著性检测中一直难以处理的目标颜色与背景相似、大目标和复杂背景的情况，并能够很好的应用于一般图像中。

主权项

一种图像显著度检测的方法，其特征在于包括如下步骤：步骤1：对给定的图像检测Harris点得到兴趣点；步骤2：将得到的兴趣点连接成为最大的凸多边形，定义为凸包，凸包外部认为是前景，内部的认为是背景；步骤3：将图像使用SLIC工具箱过分割得到图像的超像素，每一幅图像过分割得到200个超像素；步骤4：确定内部超像素，如果超像素内的像素点有超过40%在凸包内部，则认为是凸包内部超像素，否则认为是外部超像素，并得到内部和外部超像素的序号；步骤5：计算图像的边缘信息PB值，得到PB图像，使用下列公式（1）得到内部超像素的边缘特征； r i PB = 1 | E i | Σ p k ∈ E i p k PB - - - ( 1 ) 使用下列公式（2）计算内部超像素与外部超像素之间的颜色差异，得到边缘权重图； ω i = r i PB × d ( r i , c out ) - - - ( 2 ) 步骤6：根据公式（3）、（4）计算加权的空间颜色差异得到图像的先验图； f ( Sa i ) = Σ n = 1 , n ≠ i N ω n d ( r n c , r i c ) + d ( r n l , r i l ) - - - ( 3 ) f ( S i ) = 1 N ( f ( Sa i ) + 1 N - 1 Σ n = 1 N δ ( n , i ) f ( Sa i ) ) - - - ( 4 ) δ ( n , i ) = 1 n = i 0 n ≠ i - - - ( 5 ) 步骤7：对得到的先验图进行阈值分割，得到图像目标的参考信号；对得到的参考信号使用ICA_R和KDE估计目标的分布，得到I_map和K_map；使用指数形式结合I_map和K_map得到较为准确和完整的凸包M_map：M_map＝I_map*e‑K_map/θ                （6）步骤8：将改进的凸包M_map的内部作为目标区域，外部作为背景区域，以像素为单位统计LAB颜色直方图，计算目标和背景的观测似然概率： f ( I | Sa ) = Σ i ∈ ( l , a , b ) F i ( I i ) N F - - - ( 7 ) f ( I | Bk ) = Σ i ∈ ( l , a , b ) B i ( I i ) N B - - - ( 8 ) 步骤9：将由步骤67得到的先验图和由步骤8得到的观测似然概率使用贝叶斯公式结合，得到最终的显著度检测结果： f ( S | I ) = f ( S ) f ( I | S ) f ( S ) f ( I | S ) + f ( Bk ) f ( I | BK ) - - - ( 9 ) f(Bk)＝1‑f(S)                  (10)。