[发明专利]基于显著性和深度卷积神经网络的图像中目标定位方法

摘要

本发明公开了一种基于显著性和深度卷积神经网络的图像中目标定位方法，属于数字图像处理领域。本发明首先将采集的图像进行灰度化、降噪和灰度线性变换处理，以提高图像质量，增强背景和目标的对比度；然后根据谱残差理论对处理后的图像进行视觉显著性处理，获取包含目标区域的视觉显著图以及显著图的二值图，利用投影法来定位显著性区域并分割出显著性区域；再运用卷积神经网络对显著性区域进行分类，以区分出目标区域和非目标区域。本发明的方法对图像中目标的定位精准，能够适应光照条件的变化，具有自适应性以及运行速度快等特点。

主权项

基于显著性和深度卷积神经网络的图像中目标定位方法，其特征在于：该方法包括如下步骤：步骤1，对采集到的图像I(i，j)，i＜M，j＜N进行灰度化和降噪处理；步骤2，在步骤1的基础上，对降噪后的图像进行灰度线性变换，记为W，以增强图像目标与背景的对比度；步骤3，利用步骤2得到的灰度线性变换图像W，在此基础上计算显著图S；步骤4，对步骤3得到的显著图像S进行二值化处理，得到显著二值化图像G；步骤5，根据步骤4得到的图像G利用投影法来定位显著性区域并分割出显著性区域；步骤6，在步骤5的基础上，判断是否要训练深度卷积神经网络，如果不需要训练，则加载训练好的深度卷积神经网络(CNNs)，进行CNNs特征提取，然后进行分类器分类，进而给出识别结果；若需要对CNNs进行训练，就训练CNNs，然后再进行分类器分类，给出训练结果。