【技术实现步骤摘要】
一种基于行人显著特征的改进随机游走算法(一)
本专利技术涉及一种基于行人显著特征的改进随机游走算法,属于计算机视觉和数字图像处理领域。在目标分割、目标识别等领域中有广阔的应用前景。(二)
技术介绍
显著性检测重点集中于图像中重要且突出的区域,其这一特性使得显著性被广泛应用于目标分割、图像压缩和目标检测等视觉课题中。然而将显著性应用到红外行人图像中对现有的算法来说仍然是具有挑战性的,但同时这一研究也十分具有现实意义,因为红外行人检测在智能交通领域有着重要的应用。以往的显著性模型主要研究显著目标的颜色、方向和纹理等底层特征而随着人们对图像理解的深入,一些先验原则被引入到了显著性模型中,最常用的则包括中心先验和背景先验。而在最近的研究中,基于概率传播的显著性模型吸引了越来越多的注意,并取得了较好的成果。马尔可夫链、流形排序和随机游走是最常用的传播模型,于是诞生了许多基于这些传播方法的显著模型。除此之外,一些新的传播模型也不断被提出,同是在显著性中有较好的应用。例如,Gong等人提出了一种learning-to-teach和teaching-to-learn的策略作为显著性传播方式,从简单易判断的点出发逐渐向复杂点逐步扩散。Li等人则提出了一种共同转化的方式对背景标签和似物性标签进行传播,不仅考虑邻域间的传播同时也考虑了非邻域部分间的传播。Qin等人构建了一种元胞自动机模型,以超像素作为元胞并以邻域元胞不断影响显著性传播,对基于背景先验的初始显著度有很好的优化作用。尽管多种多样的显著性模型不断被提出,但这些模型大多是针对可见光图像的。然而由于红外图像对比度低、信噪 ...
【技术保护点】
1.一种基于行人显著特征的改进随机游走算法,其特征在于:其具体方法步骤如下:步骤一:图像预处理;针对后续步骤,首先,通过超像素分割将输入图像分割为许多灰度相近,保留边界的超像素,并计算各超像素的平均位置和平均颜色;超像素分割可以能很大程度减少计算量,并起到局部平滑的作用,这对于信噪比较低的红外图像来说可以能起到抑制局部噪音的作用;步骤二:基于全局对比度的亮度显著性计算;首先统计灰度图像直方图;再计算各个像素值对应的显著性值;然后将原图像中的像素按照像素值赋予对应的显著性值,得到亮度显著图;最后,通过数学建模,将亮度显著图转化为概率先验;步骤三:基于行人形状特征的形状显著计算;首先提取图中所有连通域,计算各区域的长宽比,排除掉所有不符合行人长宽比范围的区域,得到疑似目标区域;然后在此基础上生成特制模板,同时将各区域与行人模板比对,计算各区域为行人的概率,得到形状显著分布;最后,利用特制模板和形状显著分布,得到形状概率先验;步骤四:改进随机游走;将前述行人亮度显著与形状显著分别以一定的权重共同作为随机游走能量函数的约束,进行随机游走。通过以上步骤,针对红外行人图像能得到很好的显著性检测结果 ...
【技术特征摘要】
1.一种基于行人显著特征的改进随机游走算法,其特征在于:其具体方法步骤如下:步骤一:图像预处理;针对后续步骤,首先,通过超像素分割将输入图像分割为许多灰度相近,保留边界的超像素,并计算各超像素的平均位置和平均颜色;超像素分割可以能很大程度减少计算量,并起到局部平滑的作用,这对于信噪比较低的红外图像来说可以能起到抑制局部噪音的作用;步骤二:基于全局对比度的亮度显著性计算;首先统计灰度图像直方图;再计算各个像素值对应的显著性值;然后将原图像中的像素按照像素值赋予对应的显著性值,得到亮度显著图;最后,通过数学建模,将亮度显著图转化为概率先验;步骤三:基于行人形状特征的形状显著计算;首先提取图中所有连通域,计算各区域的长宽比,排除掉所有不符合行人长宽比范围的区域,得到疑似目标区域;然后在此基础上生成特制模板,同时将各区域与行人模板比对,计算各区域为行人的概率,得到形状显著分布;最后,利用特制模板和形状显著分布,得到形状概率先验;步骤四:改进随机游走;将前述行人亮度显著与形状显著分别以一定的权重共同作为随机游走能量函数的约束,进行随机游走。通过以上步骤,针对红外行人图像能得到很好的显著性检测结果,行人被完整地突出,而背景几乎被完全抑制,在其他图像处理领域如目标分割、目标跟踪和目标检索等都有实际应用价值。2.根据权利要求1所述的一种基于行人显著特征的改进随机游走算法,其特征在于:在步骤一中所述的“通过超像素分割将输入图像分割为许多灰度相近,保留边界的超像素,并计算各超像素的平均位置和平均颜色”,其作法如下:利用SLIC算法,将具有相似纹理、颜色和亮度等特征的相邻像素聚类为有一定视觉意义的不规则像素块,即超像素;各超像素的平均位置ci和平均颜色Ii的计算公式为:其中C(p)和I(p)分别代表像素p的位置坐标和颜色,SPi表示第i个超像素块,|SPi|则为其对应的面积。3.根据权利要求1所述的一种基于行人显著特征的改进随机游走算法,其特征在于:在步骤二中所述的“计算各个像素值对应的显著性值”,其作法如下:对于某一个像素值ci∈[0,255],其显著性值Sal(ci)计算方法为:其中,n为图像I中存在的像素值总数,fj由直方图统计得到,为像素值cj在图像I中出现的概率。4.根据权利要求1所述的一种基于行人...
【专利技术属性】
技术研发人员:李露,郑玉,穆恒宇,周付根,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
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。