基于边界先验和迭代优化的显著目标检测算法制造技术

本发明专利技术公开了一种基于边界先验和迭代优化的显著目标检测算法，步骤一、提取特征图像信息，并将图像信息表示为特征矩阵的形式；步骤二、建立一种基于边界先验的区域背景似然度估计模型，通过该模型可准确检测出显著目标的位置和轮廓；步骤三、生成基于迭代优化的显著图增强模型，即迭代地执行前景/背景种子选取和显著值全局优化两个处理。与现有技术相比，本发明专利技术的基于边界先验和迭代优化的显著目标检测算法融合了多种显著性特征和线索，可以大幅度提升任何准确度的显著图质量。

Salient target detection algorithm based on boundary priori and iterative optimization

The invention discloses a salient object detection algorithm based on boundary priori and iterative optimization. The first step is to extract the feature image information and express the image information as a feature matrix. The second step is to establish a region background likelihood estimation model based on boundary priori, through which the salient can be detected accurately. Thirdly, a saliency map enhancement model based on iterative optimization is generated, which is to iteratively perform two processes: foreground/background seed selection and saliency global optimization. Compared with the prior art, the salient object detection algorithm based on boundary priori and iterative optimization of the invention fuses a variety of salient features and clues, and can greatly improve the salient image quality of any accuracy.

【技术实现步骤摘要】
基于边界先验和迭代优化的显著目标检测算法
本专利技术涉及人工智能和计算机视觉领域，更具体地，涉及到一种图像显著性目标检测算法。
技术介绍
显著目标检测是计算机视觉领域的重要课题之一，其主要任务是模拟人的视觉注意机制，从图像中快速分割出最容易引人关注的物体或区域。目前，显著目标检测已作为一种重要的图像信息预处理技术被应用到包括图像检索、目标追踪、物体识别等众多领域中。视觉显著性分析可有效引导图像的冗余抑制，对大数据时代的图像处理具有重要意义。但由于图像中物体种类繁多、场景复杂多样，设计出一种能适用于各类场景的显著性分析算法仍是一项极具挑战性的课题。显著目标检测能够快速准确的提取出显著目标区域。显著性检测的最终目的之一就是减少后续处理的数据量，以应对目前海量图像数据的挑战。如果显著性检测算法本身的计算时间复杂度就很高的话，那反而会增加后续处理的负担。并且很多情况下图像尽管很简单，但是显著物体检测算法都不能很好的突出目标和抑制背景，因而无法满足精度要求。
技术实现思路
本专利技术的目的是结合场景深度信息提出一种基于边界先验和迭代优化的显著目标检测算法，通过建立基于边界先验的区域背景似然度估计模本文档来自技高网...

【技术保护点】
1.一种基于边界先验和迭代优化的显著目标检测算法，其特征在于，该方法包括以下步骤：步骤一、提取特征图像信息，并将图像信息表示为特征矩阵的形式；该步骤具体包括以下的处理：首先，进行图像分割与区域简化：采用简单线性迭代聚类算法对输入图像进行区域分割，每个区域被称为一个“超像素”，得到为每一个像素分配所属超像素的编号形成的特征矩阵；其次，根据特征矩阵，建立一个无向图模G＝(V,E)，其中V表示图模型的节点集合，E表示无向边集合；步骤二、建立一种基于边界先验的区域背景似然度估计模型，通过该模型可准确检测出显著目标的位置和轮廓，该步骤具体包括以下处理：首先，建立基于边界先验的区域背景似然度估计模型，具体...

【技术特征摘要】
1.一种基于边界先验和迭代优化的显著目标检测算法，其特征在于，该方法包括以下步骤：步骤一、提取特征图像信息，并将图像信息表示为特征矩阵的形式；该步骤具体包括以下的处理：首先，进行图像分割与区域简化：采用简单线性迭代聚类算法对输入图像进行区域分割，每个区域被称为一个“超像素”，得到为每一个像素分配所属超像素的编号形成的特征矩阵；其次，根据特征矩阵，建立一个无向图模G＝(V,E)，其中V表示图模型的节点集合，E表示无向边集合；步骤二、建立一种基于边界先验的区域背景似然度估计模型，通过该模型可准确检测出显著目标的位置和轮廓，该步骤具体包括以下处理：首先，建立基于边界先验的区域背景似然度估计模型，具体处理包括：找出待研究超像素ri的同质性区域H(ri)，H(ri)表示与超像素ri同质的超像素集合；提取图像的边界超像素集合B；计算边界区域中与ri的同质区域重合的部分占边界区域的比例，即超像素ri的背景似然度定义为：上式中，表示超像素ri的背景似然度，|·|表示超像素或者超像素集合中的像素总数；其次，进行同质性概率pij的估计，估计公式如下：pij＝MCs(ri,rj)×MCon(ri,rj)×MSp(ri)其中，i为待估计超像素索引，j为边界超像素索引，MCs(ri,rj)为超像素对(ri,rj)的颜色相似性，MCon(ri,rj)为测地线距离的负指数定义超像素对之间的连接平滑度，MSp(ri)为一种全新的中心先验增强模型；用pij构建一个矩阵其中NB是图像边界超像素总数；再者，实现背...

【专利技术属性】
技术研发人员：周圆，李绰，霍树伟，张业达，毛爱玲，杨晶，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12