一种基于Harris角点的显著性目标检测方法技术

本发明专利技术公开了一种基于Harris角点的显著性目标检测方法，包括步骤：利用Harris角点检测方法检测原始图像和滤波后图像中目标的特征点以生成凸包；将输入的原始图像超像素分割成

A saliency target detection method based on Harris corner

The invention discloses a method for detecting salient target, based on Harris corner comprises the following steps: image feature points in target detection and filtering the original image using Harris corner detection method to generate the convex hull; the original image input into super pixel segmentation

【技术实现步骤摘要】
一种基于Harris角点的显著性目标检测方法
本专利技术涉及一种基于Harris角点的显著性目标检测方法，属于图像处理的

技术介绍
作为计算机视觉和模式识别的一个分支，图像的显著性检测是一个有趣的和具有挑战性的问题，涉及到如数学、生物学、神经科学、计算机科学等多个学科的知识。显著性目标检测已被广泛应用于许多项目中，包括目标检测和识别，图像分割和压缩，视频摘要等。显著性检测的目的是估计作为前景部分出现的图像区域的概率。先前的显著性检测方法可以分为两种：自下而上和自上而下。自上而下的方法是通过培训过程中学习任务驱动的模型，这需要特定的先验知识。自下而上的方法也被称为数据驱动的模型，主要是检测全局或局部对比的显著性，没有任何先验知识。在本专利技术中，主要关注自下而上的显著性检测。近年来，显著性检测采用图像边界先验，假设一个图像的窄边框是非显著区域。换言之图像的边界通常是背景。有许多基于边界先验的先进方法，它们都有不错的效果。然而，这些方法的一个限制是显著的目标可能会稍微接触图像边缘。因此，检测到的显著的目标在图像边界区域是不完整。
技术实现思路
本专利技术所要解决的技术问题在于克服现本文档来自技高网...

【技术保护点】
一种基于Harris角点的显著性目标检测方法，其特征在于，包括以下步骤：步骤A、利用Harris角点检测方法分别检测原始图像和滤波后的原始图像中目标的特征点以生成对应凸包，及整合得到两凸包的交叉部分；步骤B、将输入的原始图像超像素分割成若干个超像素，及根据所得两凸包的交叉部分确定图像中的凸包外区域和凸包内区域，并根据计算的凸包外和凸包内超像素显著值分别生成背景线索显著图和前景线索显著图；步骤C、基于凸包中心算法将所生成背景线索显著图和前景线索显著图结合，获得统一的显著图；利用贝叶斯公式对所得统一的显著图计算获得后验概率图；并利用K‑means聚类算法聚类所得后验概率图中的超像素，及通过公式扩散...

【技术特征摘要】
1.一种基于Harris角点的显著性目标检测方法，其特征在于，包括以下步骤：步骤A、利用Harris角点检测方法分别检测原始图像和滤波后的原始图像中目标的特征点以生成对应凸包，及整合得到两凸包的交叉部分；步骤B、将输入的原始图像超像素分割成若干个超像素，及根据所得两凸包的交叉部分确定图像中的凸包外区域和凸包内区域，并根据计算的凸包外和凸包内超像素显著值分别生成背景线索显著图和前景线索显著图；步骤C、基于凸包中心算法将所生成背景线索显著图和前景线索显著图结合，获得统一的显著图；利用贝叶斯公式对所得统一的显著图计算获得后验概率图；并利用K-means聚类算法聚类所得后验概率图中的超像素，及通过公式扩散超像素间的显著性突出显著目标，以获得最终的显著图。2.根据权利要求1所述基于Harris角点的显著性目标检测方法，其特征在于，所述步骤B中，计算凸包外超像素的显著值采用公式计算：其中，d(ci,cn)和d(Ii,In)分别是凸包外区域RB中的超像素i和n之间的欧式颜色和空间距离；θ是调节颜色和空间条件之间的重要性权衡参数。3.根据权利要求1所述基于Harris角点的显著性目标检测方法，其特征在于：所述步骤B中，计算凸包内超像素的显著值采用公式计算：其中，d(ri,rn)和d(Si,Sn)分别...

【专利技术属性】
技术研发人员：金栋梁，朱松豪，荆晓远，岳东，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32