[发明专利]一种立体视觉显著性检测方法

摘要

本发明属于图像处理、立体视觉技术领域，为研究一种能够准确、完整的提取显著性区域的方法，实现基于紧致性分析和多线索融合的立体视觉显著性检测。本发明采用的技术方案是，立体视觉显著性检测方法,步骤如下:1.图的构建2.基于紧致性分析的显著性计算3.基于多线索融合的前景显著性计算具体的实施步骤如下：(1)前景种子选择方法(2)多线索融合的局部对比显著性计算(3)基于流形排序的扩散处理4.显著性融合。本发明主要应用于设计制造场合。

主权项

1.一种立体视觉显著性检测方法，其特征是，步骤如下：1)图的构建首先利用简单线性迭代聚类方法对输入的彩色图像进行超像素分割，得到N个超像素区域，然后以得到的超像素为节点，相邻超像素之间的相似性为边，构建输入图像的图表示G＝(V,E)，其中，V表示图的节点集合，E是图的相邻节点之间边的集合，位于图像边界的超像素之间视作是相邻的；利用CIE Lab空间的欧式距离表征两个节点之间的颜色差异：lij＝||ci‑cj||利用两个节点深度值的绝对差值表征它们之间的深度差异：dij＝|di‑dj|综合颜色和深度信息的两个超像素节点之间的相似性定义为：其中，ci、di分别表示超像素节点vi的平均颜色值和平均深度值，λd是深度置信测度，用来控制深度信息的引入量，cj、dj类似，σ2是控制相似性强度的参数，下标i和j代表超像素节点的序号；任意两个超像素之间的关系矩阵定义为：其中，Ωi表示超像素节点vi的相邻节点集合；2)基于紧致性分析的显著性计算公式如下：SCS(i)＝[1‑norm(cc(i)+dc(i))]·Obj(i)其中，cc(i)、dc(i)分别表示超像素节点vi的颜色紧致性和有限制的深度紧致性，norm(·)为最小‑最大归一化函数，Obj(i)表示超像素vi属于一个目标的概率，基于颜色和深度的紧致性计算公式如下：其中，是超像素节点v_j的质心坐标位置，p＝[p_x,p_y]为图像中心的位置坐标，超像素节点v_i的平均空间位置定义如下：3)基于多线索融合的前景显著性计算具体的实施步骤如下：(1)前景种子选择方法首先利用阈值分割技术选择显著性值较大超像素节点作为候选前景种子点，然后利用深度信息从候选种子点集合中选出具有较大深度值的超像素节点作为最终的前景种子点；(2)多线索融合的局部对比显著性计算根据显著性区域的独特性(uniqueness)，综合考虑颜色、深度、纹理以及空间位置多个线索的局部对比显著性计算，其计算公式如下：其中，nj为超像素节点vj中包含像素个数，aij表示两个超像素节点vi和vj之间的综合相似性，包含颜色和深度，Ωs为前景种子点集合，bi是超像素节点vi的质心坐标位置，Dt(i,j)表示超像素节点vi和vj之间的纹理相似性，其计算公式如下：其中，ki是超像素单元vi的LBP直方图频率；(3)基于流形排序的扩散处理利用流形排序方法来传播前景显著性图，并将传播后的显著性图归一化到[0,1]的范围内，具体计算公式如下：SFS＝norm((D‑αW)‑1Sfg)其中，D＝diag{d11,d22,…,dNN}为度矩阵，dii＝∑jwij，norm(·)为最小‑最大归一化函数，0<α<1；4)显著性融合加权求和的融合方案：S＝γ·SCS+(1‑γ)·SFS其中，SCS为紧致显著性图，SFS为前景显著性图，γ为加权因子，用来控制两个显著性图的融合比例。