图像共显著物体的检测方法技术

本发明专利技术提供一种图像共显著物体的检测方法，包括：a)获取n张图像；b)创建n个图像组；c)检测含有所述n张图像中的一张图像的图像组；d)针对检测的图像组中的每个图像组分别构建一个对应的随机森林；e)分别计算所述每个图像组中各个图像的显著物体的粗糙轮廓图；f)检测所述每个图像组中各个图像对应的显著物体的轮廓曲线；g)计算所述每个图像组中各个图像的显著性图；h)融合检测的图像组中的各个图像组中所述一张图像的显著性图，以得到所述一张图像的间显著性图；i)获得所述一张图像的内显著性图；j)将所述间显著性图与所述内显著性图相乘得到所述一张图像在n张图像中的共显著性图。能够有效检测大量图像的共显著物体。

【技术实现步骤摘要】
图像共显著物体的检测方法
本专利技术属于计算机视觉领域，更具体地说，涉及一种图像共显著物体的检测方法。
技术介绍
共显著物体为多幅图像中共有的显著性物体，检测出共有的显著性物体可以有效帮助物体的共分割和相似性图像检索。目前，已经有一些检测共显著物体的方法，它们主要用来检测数量较少(例如，十张以内)的图像中的共显著物体。虽然现有的共显著物体检测方法对数量较少的图像中共显著物体的检测具有比较好的效果，但是无法将这些方法应用于数量更多(例如，几百张)的图像的共显著物体的检测。因此，需要一种能够有效地检测大量图像的共显著物体的方法。
技术实现思路
本专利技术的目的在于提供一种图像共显著物体的检测方法，能够有效的检测大量的图像的共显著物体。本专利技术提供一种图像共显著物体的检测方法，其特征在于，所述检测方法包括：a)获取n张图像，其中，n为大于1的整数；b)基于所述n张图像针对所述n张图像中的每张图像创建一个图像组以得到n个图像组；c)从创建的n个图像组中检测含有所述n张图像中的一张图像的图像组；d)针对检测的图像组中的每个图像组分别构建一个对应的随机森林；e)基于各自对应的随机森林分别计算所述每个图像组中各个图像的显著物体的粗糙轮廓图；f)基于所述显著物体的粗糙轮廓图检测所述每个图像组中各个图像对应的显著物体的轮廓曲线；g)基于所述显著物体的轮廓曲线计算所述每个图像组中各个图像的显著性图；h)融合检测的图像组中的各个图像组中所述一张图像的显著性图，以得到所述一张图像的间显著性图；i)获得所述一张图像的内显著性图；j)将所述间显著性图与所述内显著性图相乘得到所述一张图像在所述n张图像中的共显著性图。可选地，步骤b)中针对所述n张图像中的一张图像创建一个图像组的步骤包括：b1)计算所述n张图像中的每张图像与所述一张图像的全局特征信息描述符间的欧氏距离；b2)将所述n张图像按对应的所述欧氏距离从小到大的顺序排列；b3)提取前K张图像形成一个图像组，其中，K为大于0的整数。可选地，步骤d)中针对检测的图像组中的一个图像组构建一个随机森林的步骤包括：d1)针对检测的图像组中的一个图像组，将所述一个图像组中的每张图像缩放，并对缩放后的每张图像按照预定规则进行分块，以划分出的所有图像块构成所述一个图像组的图像块集合；d2)根据所述图像块集合中的所有图像块构建一个由T棵树构成的随机森林，其中，T为大于0的整数。可选地，步骤d2)中根据所述图像块集合中的所有图像块构建含有T棵树的随机森林中的一棵树的步骤包括：d21)将所述所有图像块从一棵树的根结点根据分割函数划分到所述根结点的左侧分支的结点和右侧分支的结点；d22)将所述根结点的左侧分支的结点处的图像块根据分割函数划分到所述根结点的左侧分支的结点的左侧分支的结点和右侧分支的结点；d23)将所述根结点的右侧分支的结点处的图像块根据分割函数划分到所述根结点的右侧分支的结点的左侧分支的结点和右侧分支的结点；d24)依次将各个结点处的图像块根据分割函数划分到对应的左侧分支的结点和右侧分支的结点，直至待划分的结点的深度达到预定的最大深度或待划分的结点处只包含一个图像块时停止划分。可选地，步骤e)中计算一个图像组中各个图像的显著物体的粗糙轮廓图的步骤包括：e1)根据所述一个图像组的图像块集合中的各个图像块在所属图像内的稀有性和所述各个图像块在所述一个图像组内所有图像中的共有性，计算所述图像块集合中每个图像块跨立在共有物体的轮廓上的概率；e2)将每个图像块跨立在共有物体的轮廓上的概率作为对应的图像块的像素值，并对每个图像的像素值进行归一化得到所述一个图像组中各个图像的显著物体的粗糙轮廓图。可选地，步骤f)检测一个图像组中各个图像的显著物体的轮廓曲线的步骤包括：基于所述一个图像组中各个图像的显著物体的粗糙轮廓图使用活动轮廓模型来检测所述一个图像组中各个图像的显著物体的轮廓曲线。可选地，步骤g)计算一个图像组中一个图像的显著性图的步骤包括：g1)确定所述一个图像中的每个图像块为显著物体的轮廓曲线内部的图像块还是显著物体的轮廓曲线外部的图像块，以得到内部图像块集合和外部图像块集合；g2)基于所述内部图像块集合中的一个图像块与所述外部图像块集合中的每个图像块的相似度，计算所述内部图像块集合中的每个图像块位于显著物体内部的概率；g3)将所述内部图像块集合中的每个图像块位于显著物体内部的概率值进行归一化，并将所述概率值作为对应图像块的显著性值；g4)基于所述外部图像块集合中的一个图像块与所述内部图像块集合中的每个图像块的相似度，计算所述外部图像块集合中的每个图像块位于显著物体内部的概率；g5)将所述外部图像块集合中的每个图像块位于显著物体内部的概率值进行归一化，并将所述概率值作为对应图像块的显著性值；g6)基于所述一个图像中的所有图像块的显著性值得到所述一个图像组中一个图像的显著性图。可选地，步骤h)包括：将检测的图像组中的各个图像组中所述一张图像的显著性图相加得到所述一张图像的间显著性图，并将所述间显著性图缩放到所述一张图像的原始尺寸。可选地，步骤h)还包括：基于图的分割方法将所述一张图像进行分割，对所述一张图像的间显著性图中与分割后的所述一张图像的各个区域分别对应的区域的显著性值进行均化，并将均化后的显著性值作为对应的区域的显著性值，以修饰所述间显著性图。可选地，所述检测方法还包括：针对n张图像中的其他图像，重复步骤c)-j)来获得所述其他图像在n张图像中的共显著性图。根据本专利技术提供的一种图像共显著物体的检测方法，能够有效的检测大量的图像的共显著物体，并且检测方法中融合了图像的内显著性和间显著性能够有效地压制图像的背景区域，从而得到更精确的共显著性图。将在接下来的描述中部分阐述本专利技术另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本专利技术的实施而得知。附图说明通过下面结合附图进行的对实施例的描述，本专利技术的上述和/或其它目的和优点将会变得更加清楚，其中：图1是示出根据本专利技术示例性实施例的图像共显著物体的检测方法的流程图；图2是示出根据本专利技术示例性实施例的针对n张图像中的一张图像创建一个图像组的方法的流程图；图3是示出根据本专利技术示例性实施例的针对检测的图像组中的一个图像组构建一个随机森林的方法的流程图；图4是示出根据本专利技术示例性实施例的构建随机森林中的一棵树的方法的流程图；图5是示出根据本专利技术示例性实施例的计算一个图像组中各个图像的显著物体的粗糙轮廓图的方法的流程图；图6是示出根据本专利技术示例性实施例的计算一个图像组中一个图像的显著性图的方法的流程图。具体实施方式现将详细描述本专利技术的示例性实施例，所述实施例的示例在附图中示出，其中，相同的标号指示相同的部分。以下将通过参照附图来说明所述实施例，以便解释本专利技术。图1是示出根据本专利技术示例性实施例的图像共显著物体的检测方法的流程图。如图1所示，在步骤S101，获取待检测共显著物体的n张图像。这里，n为大于1的整数。在步骤S102，基于所述n张图像针对所述n张图像中的每张图像创建一个图像组以得到n个图像组。换言之，使所述n张图像中的每张图像对应一个图像组，所述图像组内的图像来自所述n张图像。图2是示出根据本专利技术示例性实施例的针对n张图像中的一张图像创本文档来自技高网...

【技术保护点】
一种图像共显著物体的检测方法，其特征在于，所述检测方法包括：a)获取n张图像，其中，n为大于1的整数；b)基于所述n张图像针对所述n张图像中的每张图像创建一个图像组以得到n个图像组；c)从创建的n个图像组中检测含有所述n张图像中的一张图像的图像组；d)针对检测的图像组中的每个图像组分别构建一个对应的随机森林；e)基于各自对应的随机森林分别计算所述每个图像组中各个图像的显著物体的粗糙轮廓图；f)基于所述显著物体的粗糙轮廓图检测所述每个图像组中各个图像对应的显著物体的轮廓曲线；g)基于所述显著物体的轮廓曲线计算所述每个图像组中各个图像的显著性图；h)融合检测的图像组中的各个图像组中所述一张图像的显著性图，以得到所述一张图像的间显著性图；i)获得所述一张图像的内显著性图；j)将所述间显著性图与所述内显著性图相乘得到所述一张图像在所述n张图像中的共显著性图。

【技术特征摘要】
1.一种图像共显著物体的检测方法，其特征在于，所述检测方法包括：a)获取n张图像，其中，n为大于1的整数；b)基于所述n张图像针对所述n张图像中的每张图像创建一个图像组以得到n个图像组；c)从创建的n个图像组中检测含有所述n张图像中的一张图像的图像组；d)针对检测的图像组中的每个图像组分别构建一个对应的随机森林；e)基于各自对应的随机森林分别计算所述每个图像组中各个图像的显著物体的粗糙轮廓图；f)基于所述显著物体的粗糙轮廓图检测所述每个图像组中各个图像对应的显著物体的轮廓曲线；g)基于所述显著物体的轮廓曲线计算所述每个图像组中各个图像的显著性图；h)融合检测的图像组中的各个图像组中所述一张图像的显著性图，以得到所述一张图像的间显著性图；i)获得所述一张图像的内显著性图；j)将所述间显著性图与所述内显著性图相乘得到所述一张图像在所述n张图像中的共显著性图。2.根据权利要求1所述的检测方法，其特征在于，步骤b)中针对所述n张图像中的一张图像创建一个图像组的步骤包括：b1)计算所述n张图像中的每张图像与所述一张图像的全局特征信息描述符间的欧氏距离；b2)将所述n张图像按对应的所述欧氏距离从小到大的顺序排列；b3)提取前K张图像形成一个图像组，其中，K为大于0的整数。3.根据权利要求1所述的检测方法，其特征在于，步骤d)中针对检测的图像组中的一个图像组构建一个随机森林的步骤包括：d1)针对检测的图像组中的一个图像组，将所述一个图像组中的每张图像缩放，并对缩放后的每张图像按照预定规则进行分块，以划分出的所有图像块构成所述一个图像组的图像块集合；d2)根据所述图像块集合中的所有图像块构建一个由T棵树构成的随机森林，其中，T为大于0的整数。4.根据权利要求3所述的检测方法，其特征在于，步骤d2)中根据所述图像块集合中的所有图像块构建含有T棵树的随机森林中的一棵树的步骤包括：d21)将所述所有图像块从一棵树的根结点根据分割函数划分到所述根结点的左侧分支的结点和右侧分支的结点；d22)将所述根结点的左侧分支的结点处的图像块根据分割函数划分到所述根结点的左侧分支的结点的左侧分支的结点和右侧分支的结点；d23)将所述根结点的右侧分支的结点处的图像块根据分割函数划分到所述根结点的右侧分支的结点的左侧分支的结点和右侧分支的结点；d24)依次将各个结点处的图像块根据分割函数划分到对应的左侧分支的结点和右侧分支的结点，直至待划分的结点的深度达到预定的最大深度或待划分的结点处只包含一个图像块时停止划分。5.根据权利要求1...

【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