[发明专利]基于超像素分割及深度特征定位的显著性目标检测方法

摘要

本发明提出一种基于超像素分割及深度特征定位的显著性目标检测方法。解决了传统显著性目标检测方法目标分割效果不理想的问题。其实现包括，本发明利用颜色相似性线性迭代的超像素分割，把图像的处理单位由单独像素点上升到集体类似区域；充分考虑颜色特征，方向特征和深度特征等图像特征，结合人眼更关心中心而忽视周围背景的特性、显著性图像所在区域的特征相似性及相较于全局特征的独特性的先验知识，生成输入图像的定位显著图和深度显著图，对其进行融合和边界处理。本发明检测图像效果边缘更清晰，背景剔除更完全，目标形态分割更完整。用于人脸识别，车辆检测，运动目标检测跟踪，军事导弹检测，医院病理检测等各个领域。

主权项

1.一种基于超像素分割及深度特征定位的显著性目标检测方法，其特征在于，包括有如下步骤：/n步骤1：输入图像对其进行线性迭代的聚类分割，输入待检测的目标图像，先分割成K个区域，寻找各个区域邻域的局部梯度极小值点作为中心点，并对同一区域设定一标签号；寻找距离像素点邻域内五维欧式距离最小的中心点，并将中心点标签赋予待处理的像素点；不断迭代寻找距离像素点最小的中心点的过程，在像素点的标签值不会发生变化时停止迭代，完成超像素分割；/n步骤2：构建高斯差分生成定位显著图；/n2a：根据输入的原图进行高斯函数滤波处理，生成原图的8个层度尺度图；/n2b：对构建的8个层度的尺度图再结合原图形成九层尺度图，提取九层尺度图像的红绿颜色差值图以及蓝黄颜色差值图，共18副颜色差值图；提取九层尺度图的强度图，共9副强度图；提取九层尺度图的Gabor滤波方向图，共36副方向图，形成三类特征图；/n2c：因九层尺度图同类特征之间的尺寸不一样，对三类特征图先经过插值处理，再进行差分处理；/n2d：不同类型的特征图之间因其特征的度量标准不同，需要先将不同类型的特征进行归一化再融合为定位显著图；/n步骤3：生成深度特征显著图，先根据步骤2的定位显著图对超像素分割后的图作一个定位处理，再对于分割完成的每一个区域及其相邻区域采集最近邻区域信息、全局区域信息、边角背景区域信息三类特征信息，生成深度特征显著图，用于显著性目标的检测；/n步骤4：将通过步骤2和步骤3最终得以确定的定位显著图和深度特征显著图，对定位显著图和深度特征显著图作融合和边界处理，生成最终的显著性目标图，完成超像素分割的显著性目标检测。/n