[发明专利]基于对象随机游走的遥感图像视觉显著性检测方法及系统

摘要

一种基于对象随机游走的遥感图像视觉显著性检测方法及系统，包括进行多尺度分割，并在每个尺度下分别对颜色特征相似的邻接区域进行合并；对于每个尺度下的分割结果，分别提取每个分割区域的视觉特征，构建当前尺度下的对象集合；对于每个尺度下的对象集合，通过对象间的特征差异计算对应的边缘权重，并计算注意焦点在对象间的转移概率，获得注意焦点的转移概率矩阵，分别根据注意焦点的转移概率矩阵计算注意焦点在所有对象间的平稳分布，由该平稳分布中每个对象对应的概率进一步计算视觉显著性并归一化，获得当前尺度下的归一化视觉显著图；融合各个尺度下的视觉显著图，即可获得该遥感图像最终的视觉显著图。

主权项

一种基于对象随机游走的遥感图像视觉显著性检测方法，其特征在于，包括以下步骤：步骤一，设置多个尺度参数对原始遥感图像进行多尺度分割，并在每个尺度下分别对颜色特征相似的邻接区域进行合并，获得多个尺度的分割结果；步骤二，对于每个尺度下的分割结果，分别提取每个分割区域的视觉特征，构建当前尺度下的对象集合，实现方式如下，设原始遥感图像I在任一尺度n下的分割结果为SEG_n，n＝1,2,...,N，N为尺度总数，SEG_n中任一分割区域记为i＝1,2,...,R(n)，R(n)为尺度n下的分割区域总数，以分割区域为基础，构建对象统计分割区域的基本属性以及视觉特征，得到尺度n下的对象集合其中，分割区域的基本属性包括面积中心坐标和邻接对象集合$\left\{{\mathrm{Obj}}_k^{\left(n\right)}\right|k\∈\mathrm{NB}\left({\mathrm{Obj}}_i^{\left(n\right)}\right)\},$为对象的所有邻接对象序值编号的集合；步骤三，对于每个尺度下的对象集合，通过对象间的特征差异计算对应的边缘权重，并计算注意焦点在对象间的转移概率，获得注意焦点的转移概率矩阵，实现方式如下，对于尺度n下的对象集合若两个对象在空间上不相邻，则它们之间的边缘权重为0，若两个对象在空间上相邻，则它们之间的边缘权重按下式计算，$w_{i,k}^{\left(n\right)}=D_{\mathrm{Fea}}({\mathrm{Obj}}_i^{\left(n\right)},{\mathrm{Obj}}_k^{\left(n\right)})\·D_{\mathrm{Spt}}({\mathrm{Obj}}_i^{\left(n\right)},{\mathrm{Obj}}_k^{\left(n\right)})$其中，为对象与某个邻接对象之间的边缘权重，表示对象间的视觉特征差异因子，根据相应视觉特征得到；表示对象的中心间的空间距离因子，根据相应中心坐标得到；计算注意焦点在对象与对象集合中任一对象之间的转移概率如下，$p_{i,k}^{\left(n\right)}=w_{i,k}^{\left(n\right)}/\underset{k=1}{\overset{R\left(n\right)}{\mathrm{\Σ}}}{w}_{i,k}^{\left(n\right)}$其中，k＝1,2,...,R(n)；构建注意焦点在对象集合中各个对象间的转移概率矩阵P⁽ⁿ⁾如下，$P^{\left(n\right)}=\left(\begin{array}{cccc}{p}_{\mathrm{1,1}}^{\left(n\right)}& p_{\mathrm{1,2}}^{\left(n\right)}& \·\·\·& p_{1,R\left(n\right)}^{\left(n\right)}\\ p_{\mathrm{2,1}}^{\left(n\right)}& p_{\mathrm{2,2}}^{\left(n\right)}& \·\·\·& p_{2,R\left(n\right)}^{\left(n\right)}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ p_{R\left(n\right),1}^{\left(n\right)}& p_{R\left(n\right),2}^{\left(n\right)}& \·\·\·& p_{R\left(n\right),R\left(n\right)}^{\left(n\right)}\end{array}\right)$步骤四，对于每个尺度下的对象集合，分别根据注意焦点的转移概率矩阵计算注意焦点在所有对象间的平稳分布，由该平稳分布中每个对象对应的概率进一步计算视觉显著性并归一化，获得当前尺度下的归一化视觉显著图，实现方式如下，设对于尺度n下的对象集合注意焦点在所有对象间的平稳分布为平稳分布Π⁽ⁿ⁾中任一元素为注意焦点集中在对象上的概率，Π⁽ⁿ⁾＝Π⁽ⁿ⁾·P⁽ⁿ⁾；计算对象对应的对象面积因子根据对象的概率和对象面积因子计算对象的视觉显著性如下，$S_i^{\left(n\right)}={\mathrm{\π}}_i^{\left(n\right)}\·A_i^{\left(n\right)}$进行归一化如下，${\mathrm{Saliency}}_i^{\left(n\right)}=\frac{S_i^{\left(n\right)}-\min \left(\right\{S_i^{\left(n\right)}\left\}\right)}{\max \left(\right\{S_i^{\left(n\right)}\left\}\right)-\min \left(\right\{S_i^{\left(n\right)}\left\}\right)}$其中，为对象的归一化视觉显著性，根据尺度n下的对象集合中各对象的归一化视觉显著性，得到尺度n下的归一化视觉显著图；步骤五，融合各个尺度下的视觉显著图，即可获得该遥感图像最终的视觉显著图，实现方式如下，设原始遥感图像I中的任一像素为p，则像素p相应多尺度融合的视觉显著性按下式计算，$\mathrm{SMap}\left(p\right)=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{R\left(n\right)}{\mathrm{\Σ}}}{\mathrm{Saliency}}_i^{\left(n\right)}\·{\left(\right||I_p-c_i^{\left(n\right)}||+\mathrm{\ϵ})}^{-1}\·l(p\∈{\mathrm{Obj}}_i^{\left(n\right)})}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{R\left(n\right)}{\mathrm{\Σ}}}{\left(\right||I_p-c_i^{\left(n\right)}||+\mathrm{\ϵ})}^{-1}\·l(p\∈{\mathrm{Obj}}_i^{\left(n\right)})}$$l(p\∈{\mathrm{Obj}}_i^{\left(n\right)})=\left\{\begin{array}{cc}1,& p\∈{\mathrm{Obj}}_i^{\left(n\right)}\\ 0,& p\∉{\mathrm{Obj}}_i^{\left(n\right)}\end{array}\right.$其中，I_p为像素p在RGB颜色空间的三维特征向量，为对象中所有像素的RGB颜色特征向量均值，ε是一个预设的常数，为指示函数；获得原始遥感图像I中所有像素多尺度融合的视觉显著性后，进一步对所有像素的视觉显著性进行线性归一化处理如下，$\mathrm{SMapNor}\left(p\right)=\frac{\mathrm{SMap}\left(p\right)-\min \left(\mathrm{SMap}\right)}{\max \left(\mathrm{SMap}\right)-\min \left(\mathrm{SMap}\right)}$其中，SMapNor(p)表示像素p经线性归一化处理后的视觉显著性，min(SMap)和max(SMap)分别表示线性归一化处理前所有像素视觉显著性的最小值和最大值，完成上述线性归一化处理后，得到最终的视觉显著图。