[发明专利]基于背景与目标先验的多尺度扩散显著目标检测方法

摘要

本发明公开了基于背景与目标先验的多尺度扩散显著目标检测方法，首先利用简单线性迭代聚类算法将图像分割为不同尺度下的超像素；然后，将图像四周作为背景先验，计算每个像素与背景超像素在CIELAB颜色空间的欧氏距离得到背景显著图；并且，同时使用目标性作为先验信息得到前景显著图；通过贝叶斯推理在每个尺度上计算每个超像素的背景显著性和目标显著性，得到融合前景和背景先验的显著图；再次，选择流形排序法将各个超像素的显著性传播到整幅图像中得到空间优化后的显著图；最后，通过不同尺度下显著性值的加权求和构造像素级显著图。实验结果表明，在四种公共基准数据集上，本发明方法相比于传统方法能够更有效地检测显著目标。

主权项

1.基于背景与目标先验的多尺度扩散显著目标检测方法，其特征在于，包括如下步骤：步骤1，利用简单线性迭代聚类算法将图像分割成尺度n下的超像素，且在尺度n下，超像素的数目为R_n，第i个超像素记为N为所有尺度的数目，利用Lab和RGB的色彩空间提取各超像素的平均颜色特征，根据平均颜色特征和超像素内所有像素的坐标描述各超像素，并将第i个超像素表示为R^C×1为C×1的特征空间，C是特征维度；步骤2，将图像的边界超像素作为背景超像素，若背景超像素的数目为M，则尺度n下第k个背景超像素表示为构建背景超像素集合作为稀疏表示字典，R^C×M为C×M的特征空间，对第i个超像素进行稀疏表示编码，并根据重构误差计算尺度n下第i个超像素的背景显著性值步骤3，随机选择图像中的任意像素作为窗口的中心，随机抽取图像中的10000个图像块作为10000个窗口，计算各窗口被判定为显著性目标的概率值，根据概率值计算图像中任意一个像素的显著性值，根据显著性值得到尺度n下第i个超像素的目标显著性值步骤4，通过贝叶斯推理整合尺度n下第i个超像素的背景显著性值和目标显著性值，得到尺度n下融合背景先验和目标先验的第i个超像素的显著性值，即融合显著性值步骤5，针对尺度n，将每个超像素作为结点构建集合V，将结点之间的连接作为边构建集合E，根据V和E构造图G(V,E)，所有结点间的权值矩阵为W，其中第i个结点和第j个结点之间的权值为w_ji，得到度矩阵为步骤6，针对尺度n，根据步骤4得到的融合显著性值计算该尺度下所有超像素的平均显著性值将平均显著性值作为阈值对该尺度下的所有超像素的融合显著性值进行二进制分割，得到二进制显著性值使用流形排序将二进制显著性值传播到整个图像，并根据度矩阵获得每个超像素的最终显著性值步骤7，重复步骤2‑6，计算不同尺度下所有超像素的最终显著性值，通过加权求和将不同尺度下所有超像素的最终显著性值传播到像素，得到像素级显著图S_p。