一种基于显著标签排序的图像显著性目标检测方法技术

本发明专利技术实施例提供了一种基于显著标签排序的图像显著性目标检测方法。该方法主要包括：将图像样本集中的每幅图像使用SLIC分割方法划分成多个图像区域，对每个图像区域提取视觉特征和背景对比度特征；根据每个图像区域的视觉特征、背景对比度特征和显著值标签组成训练集与测试集，使用基于显著标签排序的算法学习出每幅图像中每个图像区域的显著值；利用低秩矩阵恢复理论利用每个图像区域的显著值对每幅图像进行显著图的恢复，检测出图像中的显著目标。本发明专利技术的方法充分利用矩阵的核范数控制模型的复杂度，结合视觉特征相似相以及语义标签相似性，利用图拉普拉斯正则化约束之间的相关性，有效解决显著性标签空间较大但训练图像数量有限的问题。

【技术实现步骤摘要】

本专利技术涉及文章图像处理
，尤其涉及一种基于显著标签排序的图像显著性目标检测方法。
技术介绍
近年来，随着互联网技术和多媒体信息技术的快速发展，以图像为载体的多媒体信息逐渐成为人们传递信息和获取信息的重要手段。然而，与图像数据的爆炸式增长相比，可以用来对多媒体信息进行处理的计算资源则非常有限。因此，显著性检测技术可以结合人类认知系统的信息选择能力，将感兴趣的内容从复杂的图像中提取出来，合理有效的利用复杂的海量多媒体视觉信息资源，在图像的分析理解领域占据重要的作用。近来，利用数据驱动的自顶向下方法在该图像的显著性提取领域中达到了很好的效果，现有的监督算法把显著性检测问题看做一个两分类或者是回归问题，为了学习到一个可靠的模型，大都要依赖于大规模的训练数据集，具有一定的局限性。因此，想要开发出一种简单有效的显著性目标检测算法是非常必要的。
技术实现思路
本专利技术的实施例提供了一种基于显著标签排序的图像显著性目标检测方法和装置，以实现有效地检测出图像中的显著目标。为了实现上述目的，本专利技术采取了如下技术方案。根据本专利技术的一个方面，提供了一种基于显著标签排序的图像显著性目标检测方法，包括：建立图像样本集，将所述图像样本集中的每幅图像使用超像素分割SLIC分割方法划分成多个图像区域，并对每个图像区域提取视觉特征和背景对比度特征；利用图像显著性检测算法对所述图像样本集中的每一幅图像进行显著性目标的提取，得到每幅图像中每个图像区域的显著值标签；根据每个图像区域的视觉特征、背景对比度特征和显著值标签组成训练集与测试集，并使用基于显著标签排序的算法学习出每幅图像中每个图像区域的显著值；利用低秩矩阵恢复理论利用每个图像区域的显著值对每幅图像进行显著图的恢复，检测出图像中的显著目标。进一步地，所述的对每个图像区域提取视觉特征和背景对比度特征，包括：所述视觉特征包括颜色特征和纹理特征，所述颜色特征包含每个图像区域所包含像素点的平均RGB，LAB，HSV颜色值以及相应的颜色空间直方图；所述纹理特征包括图像区域的LBP、LM filter分布特征；所述背景对比度特征采用一定数量的四周边缘区域作为背景，并分别提取背景区域的颜色纹理以及相互之间的对比度特征；所述图像区域的背景对比度特征定义如下：对每一个图像区域使用边界的四周区域作为伪背景区域，图像区域Rt的背景值可以表示为：其中B代表整个伪背景区域，表示伪背景中每个小区域的特征向量，vB表示整个伪背景的整体特征向量；对于伪背景的图像区域Rt，图像区域Rt的背景对比度特征定义如下： x k c ( R t ) = Σ j = 1 N t λ j w t j D k ( v R t , v R j ) ]]> w t j = e - || p t - p j || 2 σ 2 ]]>其中λj是对区域Rt面积的约束参数，pt和pj分别是对应的图像区域Rt与Rj之间的平均位置距离，σ是空间权重系数，N是图像样本集中图像的总数目，表示每个通道中特征向量与之间的直方图距离；将图像区域的各种视觉特征和背景对比度特征拼接起来，得到图像区域的特征向量。进一步地，所述的根据每个图像区域的视觉特征、背景对比度特征和显著值标签组成训练集与测试集，并使用基于显著标签排序的算法学习出每幅图像中每个图像区域的显著值，包括：将每个区域的显著值标签看做是256个类，将图像区域的显著值作为正标签，将显著值在集合{0，1…255本文档来自技高网...

【技术保护点】
一种基于显著标签排序的图像显著性目标检测方法，其特征在于，包括：建立图像样本集，将所述图像样本集中的每幅图像使用超像素分割SLIC分割方法划分成多个图像区域，并对每个图像区域提取视觉特征和背景对比度特征；利用图像显著性检测算法对所述图像样本集中的每一幅图像进行显著性目标的提取，得到每幅图像中每个图像区域的显著值标签；根据每个图像区域的视觉特征、背景对比度特征和显著值标签组成训练集与测试集，并使用基于显著标签排序的算法学习出每幅图像中每个图像区域的显著值；利用低秩矩阵恢复理论利用每个图像区域的显著值对每幅图像进行显著图的恢复，检测出图像中的显著目标。

【技术特征摘要】
1.一种基于显著标签排序的图像显著性目标检测方法，其特征在于，包括：建立图像样本集，将所述图像样本集中的每幅图像使用超像素分割SLIC分割方法划分成多个图像区域，并对每个图像区域提取视觉特征和背景对比度特征；利用图像显著性检测算法对所述图像样本集中的每一幅图像进行显著性目标的提取，得到每幅图像中每个图像区域的显著值标签；根据每个图像区域的视觉特征、背景对比度特征和显著值标签组成训练集与测试集，并使用基于显著标签排序的算法学习出每幅图像中每个图像区域的显著值；利用低秩矩阵恢复理论利用每个图像区域的显著值对每幅图像进行显著图的恢复，检测出图像中的显著目标。2.根据权利要求1所述的基于显著标签排序的图像显著性目标检测方法，其特征在于，所述的对每个图像区域提取视觉特征和背景对比度特征，包括：所述视觉特征包括颜色特征和纹理特征，所述颜色特征包含每个图像区域所包含像素点的平均RGB，LAB，HSV颜色值以及相应的颜色空间直方图；所述纹理特征包括图像区域的LBP、LM filter分布特征；所述背景对比度特征采用一定数量的四周边缘区域作为背景，并分别提取背景区域的颜色纹理以及相互之间的对比度特征；所述图像区域的背景对比度特征定义如下：对每一个图像区域使用边界的四周区域作为伪背景区域，图像区域Rt的背景值可以表示为：其中B代表整个伪背景区域，表示伪背景中每个小区域的特征向量，vB表示整个伪背景的整体特征向量；对于伪背景的图像区域Rt，图像区域Rt的背景对比度特征定义如下： x k c ( R t ) = Σ j = 1 N t λ j w t ...

【专利技术属性】
技术研发人员：郎丛妍，李尊，何伟明，于兆鹏，杜雪涛，杜刚，朱艳云，
申请(专利权)人：北京交通大学，中国移动通信集团设计院有限公司，
类型：发明
国别省市：北京;11