[发明专利]最大粘聚性的超像素网格的快速图像目标检测与分割方法

摘要

本发明涉及计算机视觉与媒体计算领域，为提供目标检测与分割的精度和耗时方面均大大优于现阶段的最佳方法，提高目前图像内容级目标检测的便捷性与可用性，本发明采用的技术方案是，最大粘聚性的超像素网格的快速图像目标检测与分割方法，包括如下步骤：第一步：超像素分割；第二步：超像素网格的初始化：第三步：超像素网格的优化，按照顺序对初始化的超像素网格进行逐列优化；第四步：基于最大粘聚超像素网格，使用RC算法在其之上进行图像目标的识别与检测，使用积分图搜索策略和区域协方差特征计算它与查找目标的相似性。本发明主要应用于图像内容级目标检测。

主权项

1.一种最大粘聚性的超像素网格的快速图像目标检测与分割方法，其特征是，包括如下步骤：第一步：超像素分割；第二步：超像素网格的初始化：分为以下三个步骤：1）依据超像素质心位置的横坐标在一维空间上对所有超像素进行排序，得到新的有序超像素集合2）定义超像素的分列规则，并进行分列；在每一列中，所有超像素的位置将根据其质心点的纵坐标大小进行重新排列：3）利用动态规划算法求解最优分列方案，最后，使用伪节点将每一列的末尾补齐；第三步：超像素网格的优化，按照顺序对初始化的超像素网格进行逐列优化：在对进行优化的过程中，表示在其他列的排列方式不变的情况下对当前列进行优化后的网格，通过不断地对进行逐列优化以求得整个超像素网格的全局的最大粘聚性，这个过程为层叠式的动态规划，在当前配置下，对中特定的某列进行优化时，依据下式进行求解网格的最大粘聚性：S(k，n)=max_k≤p≤n+1[S(k-1，p-1)+coh(p，k，n)]，B_S(k，n)=argmax_k≤p≤n+1[S(k-1，p-1)+coh(p，k，n)]，其中，S(k，n)表示在第ρ列中，将k个伪节点置于前n个真实节点之前超像素网格的全局的粘聚性；coh(p，k，n)表示在第ρ列中，将第k个伪节点置于第p个真实节点之前，特别地，如果p=n+1，则将该伪节点置于第n个伪节点之后；B_S(k，n)表示回溯表，该表记录了在第ρ列中，将k个伪节点置于前n个真实节点之前时第k个伪节点的最优位置；第四步：基于最大粘聚超像素网格，使用RC算法在其之上进行图像目标的识别与检测，使用积分图搜索策略和区域协方差特征计算它与查找目标的相似性。