基于视觉稀疏认知的显著目标检测方法技术
【技术实现步骤摘要】
基于视觉稀疏认知的显著目标检测方法
本专利技术属于计算机
，更进一步涉及计算机视觉
中的一种基于视觉稀疏认知的显著目标检测方法。本专利技术可用于对自然图像的缩放、自然图像的背景渲染等诸多图像处理。
技术介绍
视觉显著性目标检测的目的是让计算机模拟人类视觉注意机制来寻找场景中最引人注意的部分或区域。近些年，显著目标检测逐渐成为计算机视觉领域的研究热点，其研究主要致力于寻找使计算机智能地学习和检测出场景中最引人注意的区域的技术方法，通常应于用场景分析、图像缩放、背景渲染、内容传输等领域。西安电子科技大学在其申请专利文献“基于稀疏表示和视皮层注意机制的目标检测方法”(专利申请号：CN201210001677，公开号：CN102567997A)中公开一种基于稀疏表示和视觉皮层注意机制的显著性检测方法。该方法通过使用规格大小不一的滤波器来对所输入的自然场景图像滤波，利用主分量分析方法来得到稀疏基，通过尺度不变性以及香农熵理论进一步构造用于显著目标检测的测度，从而得到显著图。该方法简单有效，虽然可以获得与原始图像相同分辨率的显著图，但仍存在的不足之处是，得到显著图...
【技术保护点】
一种基于视觉稀疏认知的显著目标检测方法，包括以下步骤：(1)提取输入图像的特征向量：(1a)输入一幅自然图像；(1b)采用简单线性迭代聚类(SLIC)超像素分割方法，将输入的自然图像分割成不同的超像素；(1c)分别求出每个超像素对应红绿蓝RGB空间和LAB空间的颜色特征的平均值；(1d)将对应红绿蓝RGB空间和LAB空间的颜色特征得到的平均值，将其按照R,G,B,l,a,b的形式组合成向量，作为该超像素的颜色特征，其中R,G,B表示对应红绿蓝RGB空间的平均值，l,a,b表示对应LAB空间的平均值；(1e)分别求出输入自然图像中每个超像素对应像素坐标位置的平均值；(1f)将...
【技术特征摘要】
1.一种基于视觉稀疏认知的显著目标检测方法，包括以下步骤：(1)提取输入图像的特征向量：(1a)输入一幅自然图像；(1b)采用简单线性迭代聚类(SLIC)超像素分割方法，将输入的自然图像分割成不同的超像素；(1c)分别求出每个超像素对应红绿蓝RGB空间和LAB空间的颜色特征的平均值；(1d)将对应红绿蓝RGB空间和LAB空间的颜色特征得到的平均值，将其按照R,G,B,l,a,b的形式组合成向量，作为该超像素的颜色特征，其中R,G,B表示对应红绿蓝RGB空间的平均值，l,a,b表示对应LAB空间的平均值；(1e)分别求出输入自然图像中每个超像素对应像素坐标位置的平均值；(1f)将颜色特征和每个超像素对应像素坐标位置的平均值组成每个超像素的特征向量；(2)获取全局稀疏重构误差的显著图：(2a)将得到的所有超像素按照其对应的特征向量进行分类；(2b)按照下式，计算某个固定超像素的基于全局稀疏重构误差值：ei＝||xi-Dkαi||2其中，ei表示第i个超像素的重构误差值，||·||2表示l-2范数操作，xi表示属于第k类的超像素i的特征向量，Dk表示不属于第k类的其它所有超像素组成的字典，αi表示第i个超像素的稀疏编码系数；(2c)将得到的基于全局稀疏重构误差值归一化；(2d)按照下式，计算加入中心先验后的基于全局稀疏重构误差值：Sg(i)＝(1-di)×ei其中，Sg(i)表示第i个超像素基于全局稀疏重构误差的显著度值，di表示第i个超像素与图像中心归一化后的欧式距离，ei表示第i个超像素的重构误差值；(2e)对所有的超像素做相同的运算，将结果归一化在[0,1]之间；(2f)将所有计算得到的显著值分别赋值给对应超像素内的所有像素，得到基于全局稀疏重构误差的像素级别的显著图；(3)获取局部稀疏重构误差的显著图：(3a)选取前景字典和背景字典；(3b)按照下式，分别将选取的前景字典和背景字典代入，计算局部约束线性编码的稀疏重构误差值：其中，xi表示第i个超像素的特征向量，Bi表示第i个超像素所选取的局部字典，ci表示第i个超像素的编码系数，约定1Tci＝1是为了满足局部约束线性编码的尺度不变性；(3c)将得到的局部约束线性编码的稀疏重构误差值归一化；(3d)按照下式，将基于前景字典和背景字典得到的局部稀疏重构误差值进行结合，计算基于局部稀疏重构的误差值：
【专利技术属性】
技术研发人员：王敏，王勇，
申请(专利权)人：苏州闻捷传感技术有限公司，
类型：发明
国别省市：江苏,32
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。