基于深度图挖掘的后向传播图像视觉显著性检测方法技术

本发明专利技术公布了一种基于深度图挖掘的后向传播显著性检测方法，对于一个输入图像Io，在预处理阶段，获取图像Io的深度图像Id和四角背景去除的图像Cb；在第一处理阶段，利用得到的去四角背景图像Cb和深度图像Id，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S1；然后对深度图像Id进行多个处理阶段的深度挖掘，得到相应的显著性检测结果；再利用后向传播机制，对每个处理阶段挖掘的显著性检测结果进行优化，得到最终的显著性检测结果图。本发明专利技术提供了一种后向传播机制来优化显著性检测结果，且能够提高显著性物体检测的精准性。

Visual saliency detection method for back propagation images based on depth map mining

The invention discloses a method for detecting significant propagation depth based on graph mining, for an input image Io, in the preprocessing stage, the image of Cb depth image Id image Io and the four corners of the background removal; in the first stage, the four angles of background image and depth image Cb Id, locate the significant area of the image, the preliminary detection results of significant objects in the image of S1; then the depth of mining multiple stages of processing of depth image Id, a significant detection result; after reuse to spread the saliency detection mechanism, mining for each processing stage optimization was the final detection result map. The present invention provides a backward propagation mechanism to optimize saliency detection results, and can improve the accuracy of significant object detection.

【技术实现步骤摘要】
基于深度图挖掘的后向传播图像视觉显著性检测方法
本专利技术涉及图像处理
，尤其涉及一种对深度图进行深度挖掘的多阶段后向传播视觉显著性检测算法。
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、距离特征和一些启发本文档来自技高网...

【技术保护点】
一种基于深度图挖掘的后向传播显著性检测方法，对于一个输入图像Io，在预处理阶段，获取图像Io的深度图像Id和四角背景去除的图像Cb；在第一处理阶段，利用得到的去四角背景图像Cb和深度图像Id，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S1；然后对深度图像Id进行多个处理阶段的深度挖掘，得到相应的显著性检测结果；再利用后向传播机制，对每个处理阶段挖掘的显著性检测结果进行优化，得到最终的显著性检测结果图。

【技术特征摘要】
1.一种基于深度图挖掘的后向传播显著性检测方法，对于一个输入图像Io，在预处理阶段，获取图像Io的深度图像Id和四角背景去除的图像Cb；在第一处理阶段，利用得到的去四角背景图像Cb和深度图像Id，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S1；然后对深度图像Id进行多个处理阶段的深度挖掘，得到相应的显著性检测结果；再利用后向传播机制，对每个处理阶段挖掘的显著性检测结果进行优化，得到最终的显著性检测结果图。2.如权利要求1所述基于深度图挖掘的后向传播显著性检测方法，其特征是，具体利用Kinect设备获取深度图像Id；利用文献(QinY,LuH,XuY,etal.SaliencydetectionviaCellularAutomata[C]//IEEEConferenceonComputerVisionandPatternRecognition.IEEE,2015:110-119.)中记载的BSCA算法去掉图像的四角背景边缘，得到去四角背景图像Cb。3.如权利要求1所述基于深度图挖掘的后向传播显著性检测方法，其特征是，第一处理阶段的处理具体包括步骤11-步骤15：步骤11、利用K-means算法将图像分成K个区域，并通过式(1)计算得到每个子区域的颜色显著值Sc(rk)：其中，rk和ri分别代表区域k和i，Dc(rk,ri)表示区域k和区域i在L*a*b颜色空间上的欧氏距离，Pi代表区域i所占图像区域的比例，Ws(rk)通过式(2)得到：其中，Do(rk,ri)表示区域k和区域i的坐标位置距离，σ是控制着Ws(rk)范围的参数；步骤12、通过式(3)计算深度图的深度显著性值Sd(rk)：其中，Dd(rk,ri)是区域k和区域i在深度空间的欧氏距离；步骤13、通过式(4)计算区域k的中心和深度权重Ss(rk)：其中，G(·)表示高斯归一化，||·||表示欧氏距离操作，Pk是区域k的位置坐标，Po是该图像的坐标中心，Nk是区域k的像素数量；Wd(dk)是深度权重，通过式(5)计算得到：Wd(dk)＝(max{d}-dk)μ(5)其中，max{d}表示深度图的最大深度，dk表示区域k的深度值；μ是与计算的深度图有关的参数，通过...

【专利技术属性】
技术研发人员：李革，朱春彪，王文敏，王荣刚，黄铁军，高文，
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