一种基于自适应融合机制的图像显著性物体检测方法技术
【技术实现步骤摘要】
一种基于自适应融合机制的图像显著性物体检测方法
本专利技术涉及图像处理
，尤其涉及一种利用自适应融合机制进行图像的显著性物体检测的方法。
技术介绍
在面对一个复杂场景时，人眼的注意力会迅速集中在少数几个显著的视觉对象上，并对这些对象进行优先处理，该过程被称为视觉显著性。显著性检测正是利用人眼的这种视觉生物学机制，用数学的计算方法模拟人眼对图像进行适当的处理，从而获得一张图片的显著性物体。由于我们可以通过显著性区域来优先分配图像分析与合成所需要的计算资源，所以，通过计算来检测图像的显著性区域意义重大。提取出的显著性图像可以广泛应用于许多计算机视觉领域的应用，包括对兴趣目标物体的图像分割，目标物体的检测与识别，图像压缩与编码，图像检索，内容感知图像编辑等方面。通常来说，现有的显著性检测框架主要分为：自底向上的显著性检测方法和自顶向下的显著性检测方法。目前大多采用自底向上的显著性检测方法，它是基于数据驱动的，且独立于具体的任务；而自顶向下的显著性检测方法是受意识支配的，与具体任务相关。现有方法中，自底向上的显著性检测方法大多使用低水平的特征信息，例如颜色特征、距离...
【技术保护点】
一种基于自适应融合机制的图像显著性物体的检测方法，利用颜色、深度、距离信息对图像的显著性区域进行定位检测，得到图像中显著性物体的初步检测结果，再利用自适应融合机制优化显著性检测的最终结果；包括如下步骤：1)输入待检测图像Io，得到该图像的深度图Id；2)将待检测的图像Io分成K个区域，即包含K个子区域k，计算得到每一个区域的颜色显著性值Sc(rk)；3)将深度图Id划分为K个区域，计算得到深度图中每一个区域的深度显著性值Sd(rk)；4)通过式(4)计算得到子区域k的中心深度权重Wcd(rk)：
【技术特征摘要】
1.一种基于自适应融合机制的图像显著性物体的检测方法，利用颜色、深度、距离信息对图像的显著性区域进行定位检测，得到图像中显著性物体的初步检测结果，再利用自适应融合机制优化显著性检测的最终结果；包括如下步骤：1)输入待检测图像Io，得到该图像的深度图Id；2)将待检测的图像Io分成K个区域，即包含K个子区域k，计算得到每一个区域的颜色显著性值Sc(rk)；3)将深度图Id划分为K个区域，计算得到深度图中每一个区域的深度显著性值Sd(rk)；4)通过式(4)计算得到子区域k的中心深度权重Wcd(rk)：其中，Wcd(rk)为中心深度权重；G(‖Pk-Po‖)表示中心权重，G(·)表示高斯归一化；‖·‖表示欧氏距离操作；Pk是子区域k的位置坐标；Po是该图像的坐标中心；Nk是子区域k的像素数量；DW(dk)是深度权重，表示为式(5)：DW(dk)＝(max{d}-dk)μ(5)式(5)中，max{d}表示深度图的最大深度；dk表示区域k的深度值；μ是一个与计算的深度图有关的参数；5)进行初步显著性检测：利用待检测图像中每一个区域的颜色显著性值、深度图中每一个区域的深度显著性值和区域的中心和深度权重，计算得到初步的显著性检测结果S1(rk)；6)利用深度图的深度信息加强优化初步显著性检测结果，具体通过式(8)对式(7)的结果进行优化：其中，Wc为中心显著性值；为逻辑非运算；7)利用待检测图像和该图像的深度图，将深度图扩展成基于深度的彩色图Ie；8)将扩展后的基于深度的彩色图Ie进行二次显著性检测，得到二次显著性检测结果S2(rk)；9)将初步显著性检测结果和二次显著性检测结果，通过自适应融合方法进行自适应融合，得到最后的显著性检测结果S(rk)；所述自适应融合方法表示为式(11)：其中，S1(rk)为初步的显著性检测结果；S2(rk)为二次显著性检测结果；DW(dk)是深度权重；为逻辑非运算。2.如权利要求1所述图像显著性物体的检测方法，其特征是，步骤1)对待检测图像Io，利用Kinect设备得到图像Io的深度图Id。3.如权利要求1所述图像显著性物体的检测方法，其特征是，步骤2)利用K-means算法将待检测的图像Io分成K个子区域k，通过式(1)计算得到每一个子区域的颜色显著性值Sc(rk)：
【专利技术属性】
技术研发人员：李革，朱春彪，王文敏，王荣刚，
申请(专利权)人：北京大学深圳研究生院，
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。