基于马尔可夫背景与前景吸收链的图像显著性检测方法技术

本发明专利技术涉及基于马尔可夫背景与前景吸收链的图像显著性检测方法，首先根据边界连通性，删除候选边界背景集B

An Image Saliency Detection Method Based on Markov Background and Foreground Absorption Chain

【技术实现步骤摘要】
一种基于马尔可夫背景与前景吸收链的图像显著性检测方法
本专利技术涉及一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，属于图像检测

技术介绍
图像显著性检测，是计算图像中各个部分的显著性(吸引人们视觉注意的程度)，从而将最显著(吸引程度最高)的区域查找出来。基于图的显著性传播机制，已成为显著性检测领域中常用的策略之一。研究者以图论为基础，为图像建立图模型，将图像分割成多个区域，一个区域对应图中的一个节点，而节点之间的边也随之定义。根据图像的一些先验知识，可将图像的部分节点标记为种子节点，然后设计传播模型传播种子节点的显著性，经过传播扩散，图中每个节点被赋予相应的显著值。常见的先验有背景先验、前景先验、中心先验、形状先验、颜色先验等；常见的传播模型有马尔可夫模型、流形排序模型、元胞自动机模型、随机游走模型等。Jiang等发表的《SaliencyDetectionviaAbsorbingMarkovChain》论文中，提出了基于马尔可夫吸收链的图像显著性检测方法(简称MC方法)，该方法以边界节点为背景种子集，将其复制为虚拟的吸收节点，图像中所有的节点作为转移节点，从任意一个转移节点出发，进行随机游走，根据到达吸收节点的被吸收时间，来衡量转移节点的显著性。MC方法不足之处在于：一是边界背景种子的选取不够准确，某些图像1～2个边界中，可能会出现显著目标；二是在背景种子样本空间中，边界背景种子只覆盖到其中一部分，在一定程度上会影响传播的效率；三是在传播过程中，对一些较特殊的图像，可能会有部分背景没有被很好地抑制，个别奇异节点的显著值会很大，显著性区域没有被有效突出；四是只考虑基于背景种子的吸收传播，传播方式单一化；五是显著图中前景和背景不够均匀，尚需进一步优化处理。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，综合应用多种技术于一体，从背景与前景两个维度着手，能够显著提高图像显著性的检测效率。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，用于实现目标图像中显著性目标的检测，包括如下步骤：步骤A.获得目标图像中的显著特征点，构建凸包，然后进入步骤B；步骤B.针对目标图像进行超像素分割处理，获得各个超像素，然后获得两两超像素之间的相似度，并进入步骤C；步骤C.定义沿目标图像边缘一周、宽度为d的区域为边界区域，根据若超像素中包含位于边界区域的像素点，则判定该超像素属于候选边界背景集B0的规则，构建候选边界背景集B0，然后进入步骤D；步骤D.根据目标图像中两两超像素之间的相似度，分别针对候选边界背景集B0中的各个超像素，获得与该超像素之间相似度不小于预设相似度阈值的其余各个超像素，并结合该超像素、共同构成该超像素所对应的相似区域，进而获得候选边界背景集B0中各个超像素分别所对应的相似区域，然后进入步骤E；步骤E.分别针对候选边界背景集B0中各个超像素所对应的相似区域，获得超像素所对应相似区域的边界连通性，再根据相似区域的边界连通性，获得该超像素属于背景的概率，然后删除候选边界背景集B0中、概率小于预设背景概率阈值的超像素，更新为边界背景集B1，然后进入步骤F；步骤F.获得目标图像中各个超像素分别相对边界背景集B1的显著值，并获得平均值，作为相对背景显著平均值；然后选择目标图像中边界区域与凸包之间区域内、同时小于预设背景显著阈值与相对背景显著平均值的超像素，加入边界背景集B1，更新为背景种子集B，并进入步骤G；步骤G.构建目标图像中全部超像素所对应的无向图G，然后根据无向图G中各边的权重，构建无向图G所对应的邻接矩阵W，并进入步骤H；步骤H.根据无向图G与背景种子集B，构建背景吸收马尔可夫链图然后结合无向图G所对应的邻接矩阵W，获得背景吸收马尔可夫链图所对应的关联矩阵A，并根据关联矩阵A，获得背景吸收马尔可夫链图所对应的概率转移矩阵P，最后根据被吸收时间，获得目标图像中各个超像素分别相对背景种子集B的显著值，并进入步骤I；步骤I.将目标图像中各个超像素分别相对边界背景集B1的显著值、与目标图像中各个超像素分别相对背景种子集B的显著值进行融合，获得目标图像中各个超像素相对背景的显著值；然后根据各个超像素相对背景的显著值，结合预设相对背景显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。作为本专利技术的一种优选技术方案，所述步骤I中，获得目标图像中各个超像素相对背景的显著值后，进入如下步骤：步骤J.选择目标图像中各个超像素相对背景的显著值中最大值的预设倍数，作为前景显著阈值，然后选择凸包中、相对背景的显著值不小于前景显著阈值的超像素，构成前景种子集F，然后进入步骤K；步骤K.按步骤H的方法，基于吸收马尔可夫链，获得目标图像中各个超像素相对前景种子集F的显著值，即目标图像中各个超像素相对前景的显著值，并进入步骤L；步骤L.根据预设权重，将目标图像中各个超像素相对背景的显著值、与目标图像中各个超像素相对前景的显著值进行融合，获得目标图像中各个超像素的显著值，然后根据各个超像素的显著值，结合预设相对显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。作为本专利技术的一种优选技术方案，所述步骤L中，获得目标图像中各个超像素的显著值之后，利用平滑机制针对目标图像中超像素的显著值进行平滑处理更新，然后根据各个超像素的显著值，结合预设相对显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。作为本专利技术的一种优选技术方案，所述步骤B中，按如下公式：获得两两超像素之间的相似度simij，其中，Vi、Vj分别为目标图像中的任意超像素，dcolor(Vi,Vj)表示超像素Vi与超像素Vj在CIELAB颜色空间的欧式距离，σ2表示预设平衡参数，σ2＝0.1。作为本专利技术的一种优选技术方案，所述步骤E中，分别针对候选边界背景集B0中各个超像素所对应的相似区域，按如下公式：获得超像素所对应相似区域的边界连通性其中，表示候选边界背景集B0中第i个超像素所对应相似区域的边界连通性，δ(·)表示指函数，当超像素时，否则表示候选边界背景集B0中第i个超像素所对应相似区域，表示候选边界背景集B0中第i个超像素所对应相似区域中的第j个超像素，表示候选边界背景集B0中第i个超像素、与候选边界背景集B0中第i个超像素所对应相似区域中的第j个超像素之间的相似度。作为本专利技术的一种优选技术方案，所述步骤E中，根据相似区域的边界连通性，按如下公式：获得该超像素属于背景的概率其中，表示候选边界背景集B0中第i个超像素属于背景的概率，表示候选边界背景集B0中第i个超像素所对应相似区域的边界连通性，作为本专利技术的一种优选技术方案，所述步骤F中，根据如下公式：Sbg1(i)＝scolor(i)·wdis(i)获得目标图像中各个超像素分别相对边界背景集B1的显著值Sbg1(i)，其中，Sbg1(i)表示目标图像中第i个超像素相对边界背景集B1的显著值，scolor(i)表示目标图像中第i个超像素与边界背景集B1的颜色差异，表示边界背景集B1中第j个超像素，本文档来自技高网...

【技术保护点】
1.一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，用于实现目标图像中显著性目标的检测，其特征在于，包括如下步骤：步骤A.获得目标图像中的显著特征点，构建凸包，然后进入步骤B；步骤B.针对目标图像进行超像素分割处理，获得各个超像素，然后获得两两超像素之间的相似度，并进入步骤C；步骤C.定义沿目标图像边缘一周、宽度为d的区域为边界区域，根据若超像素中包含位于边界区域的像素点，则判定该超像素属于候选边界背景集B0的规则，构建候选边界背景集B0，然后进入步骤D；步骤D.根据目标图像中两两超像素之间的相似度，分别针对候选边界背景集B0中的各个超像素，获得与该超像素之间相似度不小于预设相似度阈值的其余各个超像素，并结合该超像素、共同构成该超像素所对应的相似区域，进而获得候选边界背景集B0中各个超像素分别所对应的相似区域，然后进入步骤E；步骤E.分别针对候选边界背景集B0中各个超像素所对应的相似区域，获得超像素所对应相似区域的边界连通性，再根据相似区域的边界连通性，获得该超像素属于背景的概率，然后删除候选边界背景集B0中、概率小于预设背景概率阈值的超像素，更新为边界背景集B1，然后进入步骤F；步骤F.获得目标图像中各个超像素分别相对边界背景集B1的显著值，并获得平均值，作为相对背景显著平均值；然后选择目标图像中边界区域与凸包之间区域内、同时小于预设背景显著阈值与相对背景显著平均值的超像素，加入边界背景集B1，更新为背景种子集B，并进入步骤G；步骤G.构建目标图像中全部超像素所对应的无向图G，然后根据无向图G中各边的权重，构建无向图G所对应的邻接矩阵W，并进入步骤H；步骤H.根据无向图G与背景种子集B，构建背景吸收马尔可夫链图...

【技术特征摘要】
1.一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，用于实现目标图像中显著性目标的检测，其特征在于，包括如下步骤：步骤A.获得目标图像中的显著特征点，构建凸包，然后进入步骤B；步骤B.针对目标图像进行超像素分割处理，获得各个超像素，然后获得两两超像素之间的相似度，并进入步骤C；步骤C.定义沿目标图像边缘一周、宽度为d的区域为边界区域，根据若超像素中包含位于边界区域的像素点，则判定该超像素属于候选边界背景集B0的规则，构建候选边界背景集B0，然后进入步骤D；步骤D.根据目标图像中两两超像素之间的相似度，分别针对候选边界背景集B0中的各个超像素，获得与该超像素之间相似度不小于预设相似度阈值的其余各个超像素，并结合该超像素、共同构成该超像素所对应的相似区域，进而获得候选边界背景集B0中各个超像素分别所对应的相似区域，然后进入步骤E；步骤E.分别针对候选边界背景集B0中各个超像素所对应的相似区域，获得超像素所对应相似区域的边界连通性，再根据相似区域的边界连通性，获得该超像素属于背景的概率，然后删除候选边界背景集B0中、概率小于预设背景概率阈值的超像素，更新为边界背景集B1，然后进入步骤F；步骤F.获得目标图像中各个超像素分别相对边界背景集B1的显著值，并获得平均值，作为相对背景显著平均值；然后选择目标图像中边界区域与凸包之间区域内、同时小于预设背景显著阈值与相对背景显著平均值的超像素，加入边界背景集B1，更新为背景种子集B，并进入步骤G；步骤G.构建目标图像中全部超像素所对应的无向图G，然后根据无向图G中各边的权重，构建无向图G所对应的邻接矩阵W，并进入步骤H；步骤H.根据无向图G与背景种子集B，构建背景吸收马尔可夫链图然后结合无向图G所对应的邻接矩阵W，获得背景吸收马尔可夫链图所对应的关联矩阵A，并根据关联矩阵A，获得背景吸收马尔可夫链图所对应的概率转移矩阵P，最后根据被吸收时间，获得目标图像中各个超像素分别相对背景种子集B的显著值，并进入步骤I；步骤I.将目标图像中各个超像素分别相对边界背景集B1的显著值、与目标图像中各个超像素分别相对背景种子集B的显著值进行融合，获得目标图像中各个超像素相对背景的显著值；然后根据各个超像素相对背景的显著值，结合预设相对背景显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。2.根据权利要求1所述一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，其特征在于，所述步骤I中，获得目标图像中各个超像素相对背景的显著值后，进入如下步骤：步骤J.选择目标图像中各个超像素相对背景的显著值中最大值的预设倍数，作为前景显著阈值，然后选择凸包中、相对背景的显著值不小于前景显著阈值的超像素，构成前景种子集F，然后进入步骤K；步骤K.按步骤H的方法，基于吸收马尔可夫链，获得目标图像中各个超像素相对前景种子集F的显著值，即目标图像中各个超像素相对前景的显著值，并进入步骤L；步骤L.根据预设权重，将目标图像中各个超像素相对背景的显著值、与目标图像中各个超像素相对前景的显著值进行融合，获得目标图像中各个超像素的显著值，然后根据各个超像素的显著值，结合预设相对显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。3.根据权利要求2所述一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，其特征在于，所述步骤L中，获得目标图像中各个超像素的显著值之后，利用平滑机制针对目标图像中超像素的显著值进行平滑处理更新，然后根据各个超像素的显著值，结合预设相对显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。4.根据权利要求3所述一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，其特征在于，所述步骤B中，按如下公式：获得两两超像素之间的相似度simij，其中，Vi、Vj分别为目标图像中的任意超像素，dcolor(Vi,Vj)表示超像素Vi与超像素Vj在CIELAB颜色空间的欧式距离，σ2表示预设平衡参数，σ2＝0.1。5.根据权利要求3所述一种基于马尔可夫背景与前景吸收链的图像显著性检测方法，其特征在于，所述步骤E中，分别针对候选边界背景集B0中各个超像素所对应的相似区域，按如下公式：获得超像素所对应相似区域的边界连通性其中，表示候选边界背景集B0中第i个超像素所对应相似区域的边界连通性，δ(·)表示指函数，当超像素时，否则表示候选边界背景集B0中第i个超像素所对应相似区...

【专利技术属性】
技术研发人员：唐伟，王志坚，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32