图像显著性检测方法和装置制造方法及图纸

本发明专利技术公开了一种图像显著性检测方法和装置。其中，该方法包括：对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合前景显著性图像和背景显著性图像，得到初始显著性图像。本发明专利技术解决了现有技术中对图像的显著性检测结果不够精确的技术问题。

【技术实现步骤摘要】
图像显著性检测方法和装置
本专利技术涉及图像处理领域，具体而言，涉及一种图像显著性检测方法和装置。
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。显著性检测的任务是确定一个场景中最重要和最有信息的部分。它可以应用于众多的计算机视觉应用，包括图像检索、图像压缩、内容感知图像编辑和物体识别等方面。显著性检测方法通常可以分为自下而上模型和自上而下模型，自下而上的方法是数据驱动的，没有预先训练，而自上向下的方法是任务驱动的，通常使用带注释的数据进行预先训练。与自然图像识别的眼动预测模型不同，显著物体检测模型的目的是突出显示边界清晰的显著物体，这对于许多高层次的视觉任务是有用的。应用前景先验可以明确提取图像中的显著性物体，这一先验已经被广泛应用于过去几年的研究成果中，但单纯依靠它却无法突出整个显著的物体。另一种有效的显著性物体检测模型是利用图像中的背景先验，隐式地从中检测显著性物体。通过假设大部分图像的窄边界为背景区域，可以利用背景先验信息来计算显著性图。但也会产生问题，因为与边界区域不同的图像元素并不总是属于显著性的物体。综合来看，现有的图像显著性物体检测方法在检测显著性物体时精准度不高，方法健壮性不够强，容易造成误检、漏检等情况，很难得到一个精确的图像显著性检测结果，不仅造成显著性物体本身的错检，同时也会对利用显著性检测结果的应用造成一定的误差。针对上述现有技术中对图像的显著性检测结果不够精确的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种图像显著性检测方法和装置，以至少解决现有技术中对图像的显著性检测结果不够精确的技术问题。根据本专利技术实施例的一个方面，提供了一种图像显著性检测方法，包括：对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合前景显著性图像和背景显著性图像，得到初始显著性图像。根据本专利技术实施例的另一方面，还提供了一种图像显著性检测装置，包括：第一计算模块，用于对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合模块，用于融合前景显著性图像和背景显著性图像，得到初始显著性图像。根据本专利技术实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述图像显著性检测方法。根据本专利技术实施例的另一方面，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述图像显著性检测方法。在本专利技术实施例中，通过对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合前景显著性图像和背景显著性图像，得到初始显著性图像，本专利技术同时利用了前景和背景先验进行显著性物体检测，从而实现了增加显著性物体检测的精准性，增强显著性检测的鲁棒性，使图像中的显著性区域更精准地显现出来，为后期的目标识别和分类等应用提供精准且有用的信息，并适用于更多复杂的场景，使用范围更广的技术效果，进而解决了现有技术中对图像的显著性检测结果不够精确的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种图像显著性检测方法的示意图；以及图2是根据本专利技术实施例的一种图像显著性检测装置的示意图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例1根据本专利技术实施例，提供了一种图像显著性检测方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的图像显著性检测方法，如图1所示，该方法包括如下步骤：步骤S102，对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；步骤S104，融合前景显著性图像和背景显著性图像，得到初始显著性图像。具体的，通过计算显著性值分别得到基于背景和前景先验的两个显著性图像，然后进行融合，本实施例采用的基于前景先验和背景先验融合的图像显著性物体检测算法，能够更加精准，更加鲁棒地检测出显著性物体。此处需要说明的是，步骤S102中对初始图像进行前景先验的显著性计算以及对初始图像进行背景先验的显著性计算可以同步进行，也可以异步进行，异步进行时，不限定先后顺序。在本专利技术实施例中，通过对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合前景显著性图像和背景显著性图像，得到初始显著性图像，本专利技术同时利用了前景和背景先验进行显著性物体检测，从而实现了增加显著性物体检测的精准性，增强显著性检测的鲁棒性，使图像中的显著性区域更精准地显现出来，为后期的目标识别和分类等应用提供精准且有用的信息，并适用于更多复杂的场景，使用范围更广的技术效果，进而解决了现有技术中对图像的显著性检测结果不够精确的技术问题。在一种可选的实施例中，步骤S102中对初始图像进行前景先验的显著性计算之前，方法还包括：步骤S202，将初始图像进行超像素分解，得到分解图像；步骤S102中对初始图像进行前景先验的显著性计算，得到前景显著性图像，包括：步骤S302，对分解图像进行前景先验的显著性计算，得到前景显著性图像；步骤S102中对初始图像进行背景先验的显著性计算，得到背景显著性图像，包括：步骤S402，对分解图像进行背景先验的显著性计算，得到背本文档来自技高网...

【技术保护点】
1.一种图像显著性检测方法，其特征在于，包括：对初始图像进行前景先验的显著性计算，得到前景显著性图像；对所述初始图像进行背景先验的显著性计算，得到背景显著性图像；融合所述前景显著性图像和所述背景显著性图像，得到初始显著性图像。

【技术特征摘要】
1.一种图像显著性检测方法，其特征在于，包括：对初始图像进行前景先验的显著性计算，得到前景显著性图像；对所述初始图像进行背景先验的显著性计算，得到背景显著性图像；融合所述前景显著性图像和所述背景显著性图像，得到初始显著性图像。2.根据权利要求1所述的方法，其特征在于，对初始图像进行前景先验的显著性计算之前，所述方法还包括：将所述初始图像进行超像素分解，得到分解图像；对初始图像进行前景先验的显著性计算，得到前景显著性图像，包括：对所述分解图像进行前景先验的显著性计算，得到所述前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像，包括：对所述分解图像进行背景先验的显著性计算，得到所述背景显著性图像。3.根据权利要求2所述的方法，其特征在于，将所述初始图像进行超像素分解，包括：使用简单线性迭代聚类的方法将所述初始图像进行超像素分解。4.根据权利要求2所述的方法，其特征在于，对所述分解图像进行前景先验的显著性计算，得到所述前景显著性图像，包括：计算所述分解图像中每个超像素的包围值；根据所述每个超像素的包围值定义前景种子集合，其中，所述前景种子集合包括强前景种子集合和弱前景种子集合；根据所述初始图像中每个图像元素与所述前景种子集合的相关性对所述每个图像元素进行排序，得到第一排序结果，其中，所述初始图像使用图像矩阵表示，所述图像矩阵由所述图像元素构成；根据所述第一排序结果得到所述前景显著性图像。5.根据权利要求2所述的方法，其特征在于，对所述分解图像进行背景先验的显著性计算，得到所述背景显著性图像，包括：计算所述初始图像中每个特征向量与平均特征向量的欧氏距离，其中，所述初始图像使...

【专利技术属性】
技术研发人员：李革，朱春彪，黄侃，
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