一种图像显著性物体检测方法和装置制造方法及图纸

本发明专利技术公开了一种图像显著性物体检测方法和装置，属于计算机视觉领域。所述方法包括：根据图像构建一个随机森林，根据所述随机森林用全局的图像块稀有性捕捉显著物体的近似轮廓，将图像分为轮廓内和轮廓外两部分；通过度量内外部图像块的对比度来压制与轮廓外部相似的内部图像块，凸显与轮廓内部相似的外部图像块；最后使用基于图切割的图像分割修饰局部图。采用本发明专利技术提供的图像显著性物体检测方法可以检测图像中任何大小的物体，并且能够实现物体的完整精确检测，同时，采用本发明专利技术提供的图像显著性物体检测方法可以检测出单幅图像中的多个显著物体。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，特别涉及一种图像显著性物体检测方法和装置。 
技术介绍
视觉显著性是一个来自于神经科学和生理学的概念，它使吸引人的注意力的区域从人的视场中凸显出来。 传统的视觉显著性检测方法通常基于局部或者全局的对比分析来计算显著性。基于局部的方法敏感于图像中高对比度的边缘和噪声，从而弱化了物体内的平滑区域，这使得它们更适合检测小物体。在基于全局对比的方法中，基于图像块的方法也趋向于凸出物体的边界而非整个物体区域。虽然基于分割的方法有效地克服了“物体弱化”问题（物体内部被压制），当物体的内部不均匀时，它们仍然很难凸出整个物体。大部分情况下，基于局部的方法和基于全局对比的方法只能检测出物体的某些部分。 文献“Exploiting local and global patch rarities for saliency detection”（A.Borji and L.Itti.In CVPR,2012）提出用全局的图像块稀有性(图像块在整幅图像中出现的频率)去填充物体的内部区域。然而对大的物体来说,稀有的图像块通常出现在物体和背景本文档来自技高网...

【技术保护点】
一种图像显著性物体检测方法，其特征在于，所述方法包括：将图像进行拉伸，提取拉伸后的图像中的图像块构成图像块集合，以递归的方式从所述图像块集合中构建出一个随机森林；根据所述随机森林对所述图像块集合中的所有图像块进行稀有性分析，得到稀有性图，采用主动轮廓模型提取所述稀有性图中的显著物体轮廓，得到轮廓性图；根据所述随机森林计算所述轮廓图中显著物体轮廓内部的图像块和外部的图像块间的相似度，得到精确到物体级别的显著性图；将所述精确到物体级别的显著性图重新拉伸到原始图像的大小，对重新拉伸后的图像进行基于图切割的图像分割，得到一个由均匀的图像区域组成的集合，均化每个区域的显著性值，得到最终的显著性图。

【技术特征摘要】
1.一种图像显著性物体检测方法，其特征在于，所述方法包括：
将图像进行拉伸，提取拉伸后的图像中的图像块构成图像块集合，以递归
的方式从所述图像块集合中构建出一个随机森林；
根据所述随机森林对所述图像块集合中的所有图像块进行稀有性分析，得
到稀有性图，采用主动轮廓模型提取所述稀有性图中的显著物体轮廓，得到轮
廓性图；
根据所述随机森林计算所述轮廓图中显著物体轮廓内部的图像块和外部的
图像块间的相似度，得到精确到物体级别的显著性图；
将所述精确到物体级别的显著性图重新拉伸到原...

【专利技术属性】
技术研发人员：陈世峰，杜书泽，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44