The invention belongs to the field of image processing, and relates to a saliency map fusion method based on Choquet integral, and solves the effective fusion problem of saliency maps by various saliency detection methods. First, each saliency map is generated using the saliency detection method to be fused. Secondly, the similarity coefficients and similarity matrices of each saliency map are calculated, and the support and reliability of each saliency map are obtained. Then, the reliability of each saliency map is taken as the fuzzy measure value in the Choquet integral. At the same time, the discrete significant values of the sorting are taken as the non negative real valued measurable function in the Choquet integral. Finally, it is worthwhile to compute the Choquet integral for the final saliency map. The method can recognize the most significant part of the image, and combine the advantages of the existing excellent saliency detection methods, and the detection results are better than those of the synthetic methods.
【技术实现步骤摘要】
一种基于Choquet积分的显著图融合方法
本专利技术属于图像处理领域,涉及一种基于Choquet积分的显著图融合方法。
技术介绍
图像显著性检测旨在找出图像中最重要的部分,是计算机视觉领域用来降低计算复杂度的重要的预处理步骤,在图像压缩、目标识别、图像分割等领域有着广泛的应用,同时它又是计算机视觉中具有挑战性的问题,吸引着大量学者的研究兴趣。目前已出现了大量优秀的图像显著性检测的方法,这些方法各自都有自己的优势与不足,即使是同一种显著性检测方法,对于不同的图片检测效果也是差异巨大的。为此能够融合多种显著性检测方法的结果,以得到更优显著图的方法就显得尤为重要了。有一些传统的显著图融合的方法,它们多是对于多幅显著图进行简单的加和平均或是简单相乘取平均,这种显著图融合方式将各种显著图同等对待,把各种显著性检测方法的权值设为同一数值,这在实际中是不合理的,因为对于一幅图片甚至是每一个像素点,各种显著性检测方法的检测效果都是不同的,为此各显著性检测方法的权值也理应设置不同。当前也存在一些研究融合多幅显著图的方法,如Mai等人利用条件随机场(CRF)来融合多幅显著图,但计算速度太慢;Qin等人利用多层元胞自动机(MCA)来融合多幅显著图,得到了非常好的效果,但是其召回率方面效果并不能令人满意。我们发现Choquet积分在目标识别及多分类器融合中表现出的优异性,考虑到Choquet积分中的模糊测度将各种决策的重要程度考虑在内,这在融合多种显著性检测算法得到的显著图时是非常合理的,但Choquet积分在显著性检测领域还没有应用,本专利技术将Choquet积分应用范围扩展 ...
【技术保护点】
一种基于Choquet积分的显著图融合方法,其特征在于,包括如下步骤:第一步,使用要融合的n种(n>1)方法生成n幅初始显著图,由n幅显著图组合得到有限集合X={x
【技术特征摘要】
1.一种基于Choquet积分的显著图融合方法,其特征在于,包括如下步骤:第一步,使用要融合的n种(n>1)方法生成n幅初始显著图,由n幅显著图组合得到有限集合X={x1,x2,…,xn},其中xn表示第n幅显著图。我们将显著性检测视为一种二分类问题,得到决策剖面的矩阵DP表示如公式(1)所示:其中第一列为各分类器判定像素点为前景的可能性,第二列为各分类器判定像素点为背景的可能性,每一行代表一种分类器。第i(1≤i≤n)个分类器判定像素点为前景的概率Fi表示为Fi=f(xi),判定像素点为背景的概率Bi表示为Bi=1-f(xi),其中f(xi)为第i幅显著图的显著值。第二步,计算各显著图间相关系数,求出相似矩阵。相似系数dij的计算如公式(2)所示:其中||f(xi),f(xj)||表示第i幅显著图与第j幅显著图显著值的欧氏距离,本发明中σ2=0.1,dij∈[0,1]。由相关系数,我们可以得到n幅显著图所对应的相似矩阵如公式(3)所示:第三步,求出各显著图间的支持度与可信度。显著图xi的被支持度Sup(xi)计算公式如公式(4)所示:显著图的可信度计算如公式(5)所示:第四步,求出各显著图组成有限集合X幂集的模糊测度。我们定义Y是由X的子集构成的幂集,μ:Y→[0,1]表示从幂集Y到[0,1]的映射,本发明中我们取μ为我们的模糊测度,其满足μ(φ)=0,μ(X)=1,为正则模糊测度。λ模糊测度计算公式如公式(6)所示:μ(A∪B)=μ(A)+...
【专利技术属性】
技术研发人员:高振国,张开岭,陶鑫,陈炳才,陈丹杰,郑延景,潘伟,
申请(专利权)人:深圳市美好幸福生活安全系统有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。