【技术实现步骤摘要】
显著性检测方法及装置
本专利技术实施例涉及图像处理
，更具体地，涉及显著性检测方法及装置。
技术介绍
人类视觉系统(HVS)能够快速地挑选出场景中最感兴趣地区域，受以往大量关于人类视觉注意力机制研究的启发，研究人员就将人类注意力机制运用到计算机视觉领域，即视觉显著性检测，主要的研究目标是从一幅图像中快速地定位最让人感兴趣即最吸引人的区域，从而为视觉处理机制的性能带来极大的提升，作为目标检测领域的一个精细化课题，显著性检测在各种计算机视觉任务或应用中有着举足轻重的地位，作为一个预处理过程，准确且高效的显著性检测在图像分类、对象检测、图像分割、图像检索、行人重识别等计算机视觉领域得到了广泛的应用。一般来说，视觉注意力是由低水平的视觉刺激驱动的。随着研究人员在过去十几年的研究，大量的基于视觉注意力机制的显著性检测模型被提出，这些模型大部分都只适用于可见光的场景中，虽然在高对比度场景下取得了很大的成绩，但是对于现实生活中的实际场景，如雨，雾霾等自然气候的变化或夜间关照条件很差的自然场景，这些模型的准确度就大大下降。由于大多数显著性检测的计算模型关注的是自底向上的方法...
【技术保护点】
1.一种显著性检测方法，其特征在于，包括：对原始图像以不同尺度分别进行超像素分割，获得不同尺度的分割图像；确定一定数量的低层次特征，计算每种尺度的分割图像在每个低层次特征下的第一特征图，对同一低层次特征下的所有尺度的第一特征图进行融合，获得各低层次特征的第二特征图；对于任意一种尺度的分割图像，利用暗通道和中心先验策略对所述分割图像进行优化，结合各低层次特征的第二特征图，获得所述分割图像的显著图；将所有尺度的分割图像的显著图进行集成，形成最终的显著图。
【技术特征摘要】
1.一种显著性检测方法，其特征在于，包括：对原始图像以不同尺度分别进行超像素分割，获得不同尺度的分割图像；确定一定数量的低层次特征，计算每种尺度的分割图像在每个低层次特征下的第一特征图，对同一低层次特征下的所有尺度的第一特征图进行融合，获得各低层次特征的第二特征图；对于任意一种尺度的分割图像，利用暗通道和中心先验策略对所述分割图像进行优化，结合各低层次特征的第二特征图，获得所述分割图像的显著图；将所有尺度的分割图像的显著图进行集成，形成最终的显著图。2.根据权利要求1所述的显著性检测方法，其特征在于，所述低层次特征包括亮度特征、颜色特征和梯度特征；相应地，所述计算每种尺度的分割图像在每个低层次特征下的第一特征图，包括：对于任意一种尺度的分割图像，将所述分割图像转换至CIELAB颜色空间，通过分割图像的超像素的亮度与L通道的超像素的亮度之间的欧氏距离，计算分割图像在亮度特征下的第一特征图；对于任意一种尺度的分割图像，将所述分割图像转换至CIELAB颜色空间，通过CIELAB颜色空间的A通道和B通道中超像素的平均颜色值之间的欧氏距离，计算分割图像在颜色特征下的第一特征图；对于任意一种尺度的分割图像，通过水平和垂直方向的超像素的平均梯度值之间的欧氏距离，计算分割图像在梯度特征下的第一特征图。3.根据权利要求2所述的显著性检测方法，其特征在于，所述将所述分割图像转换至CIELAB颜色空间，通过分割图像的超像素的亮度与L通道的超像素的亮度之间的欧氏距离，计算分割图像在亮度特征下的第一特征图，具体为：采用以下公式计算分割图像的超像素SP(i)的亮度与L通道的超像素SP(j)的亮度之间的欧氏距离：采用以下公式计算SP(i)在第n个尺度下的亮度显著值4.根据权利要求2所述的显著性检测方法，其特征在于，所述通过组件A和组件B中超像素的平均颜色值之间的欧氏距离，计算分割图像在颜色特征下的第一特征图，具体为：采用以下公式计算CIELAB颜色空间的A通道和B通道中超像素的平均颜色值之间的差异性：其中，da(SP(m),SP(l))表示A通道中超像素SP(m)的颜色值与超像素SP(l)的颜色值的差值，db(SP(m),SP(l))表示B通道中超像素SP(m)的颜色值与超像素SP(l)的颜色值的差值，dposition(SP(m),SP(l))表示超像素m位置中心与超像素l位置中心的欧式距离；采用公式计算SP(m)在第n个尺度下的亮度显著值5.根据权利要求1所述的显著性...
【专利技术属性】
技术研发人员：郭腾达，徐新，穆楠，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北,42
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。