一种视觉显著性驱动的图像自动标注方法技术

本发明专利技术公开了图像处理和计算机视觉技术领域的一种视觉显著性驱动的图像自动标注方法，包括：获取原始图像；采用SLIC超像素分割算法将原始图像划分为若干大小相近、形状不规则的超像素块；基于超像素块提取颜色与纹理特征计算前景对比度，得到图像的前景显著图；基于超像素块通过soft背景先验SBP算法提取背景先验知识，得到图像的背景先验图；通过最小化代价函数的数据和平滑度损失融合所述前景显著图与所述背景先验图得到粗显著图后，采用拉普拉斯正则化对其进行优化得到细化显著图；基于细化显著图的十维特征放入XG

【技术实现步骤摘要】
一种视觉显著性驱动的图像自动标注方法


[0001]本专利技术涉及一种视觉显著性驱动的图像自动标注方法，属于图像处理和计算机视觉


技术介绍

[0002]人类的视觉系统具有较强的数据处理能力，能够在复杂场景中快速选择感兴趣的区域，这种人类特有的视觉信息处理机制称为视觉注意力机制。将视觉注意力机制模型引入计算机视觉领域，即为图像显著性检测。图像显著性检测的目的是通过算法模拟人类的视觉注意力机制，快速准确地定位图像中最引人关注的区域，可降低图像处理的复杂度，提高图像处理效率，在计算机视觉任务中具有广阔的应用前景。
[0003]目前，常用的显著性检测方法主要有基于传统方法的图像显著性检测方法和基于深度学习的图像显著性检测方法。基于传统方法的图像显著性检测方法通常使用颜色、亮度、纹理等图像特征或者中心点、水平线等结构特征进行图像分类，在进行视觉显著性计算时，通过计算图像中各个子区域与周围相邻区域的对比度获得该区域的显著性。基于深度学习的显著性检测方法主要使用卷积神经网络模型提取图像特征，大多采用全监督学习的方式，此类方法需要进行模型训练，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视觉显著性驱动的图像自动标注方法，其特征是，包括：获取原始图像；采用SLIC超像素分割算法将原始图像划分为若干个大小相近、形状不规则的超像素块；基于超像素块提取颜色与纹理特征计算前景对比度，得到图像的前景显著图；基于超像素块通过soft背景先验SBP算法提取背景先验知识，得到图像的背景先验图；通过最小化代价函数的数据和平滑度损失融合所述前景显著图与所述背景先验图得到粗显著图后，采用拉普拉斯正则化对其进行优化得到细化显著图；基于细化显著图的六维颜色特征与四维纹理特征放入XG
‑
boost分类器中进行训练，根据分类器的输出值获得最终标注结果。2.根据权利要求1所述的视觉显著性驱动的图像自动标注方法，其特征是，所述SLIC超像素分割算法包括：将包含N个像素点的原始图像平均划分为K个网格区域，K的取值为400，选取每个网格的中心作为初始聚类中心，相邻聚类中心之间的距离约为计算每个聚类中心的3
×
3邻域内所有像素点的梯度值，将聚类中心移至梯度值最小的位置，以防止聚类中心落在图像边界像素点或噪声点上，梯度值计算如公式(1)所示，其中，I为图像像素值，(x,y)为聚类中心的空间坐标；Grad(x,y)＝[I(x+1,y)
‑
I(x
‑
1,y)]2+[I(x,y+1)
‑
I(x,y
‑
1)]2ꢀꢀꢀꢀ
(1)遍历所有聚类中心，按照公式(2)在聚类中心的2S
×
2S邻域内计算每个像素点到聚类中心的距离D'，并据此为每个像素点分配类标签以完成聚类，聚类规则为:将初始距离D设为DBL_MAX，当距离D'小于初始距离D时，该像素点的标签更新为当前聚类中心，并使D＝D'；距离D'综合了颜色相似度与空间邻近度对像素点聚类的影响，其中，类内最大颜色距离用固定参数λ表示，且λ＝20，S表示类内最大空间距离；Dis
lab
表示像素点到聚类中心的颜色距离，计算公式如下所示：其中，l、a、b为像素点颜色的色度值，即像素点在LAB色彩空间中的坐标值；Dis
xy
表示像素点到聚类中心的空间距离，计算公式如下所示：遍历一次之后，取类内所有像素点的坐标均值作为新的聚类中心的坐标位置，完成聚类中心的一次更新；重复步骤遍历所有聚类中心，对图像内的像素点进行多次聚类迭代，直至每个像素点的聚类中心不再变化或迭代至最大次数；聚类迭代结束后，按照从左到右、从上到下的方式遍历迭代优化后的超像素，将孤立的像素点及面积过小的超像素与距其最近的超像素块区域合并。
3.根据权利要求1所述的视觉显著性驱动的图像自动标注方法，其特征是，基于超像素块提取颜色与纹理特征计算前景对比度，得到图像的前景显著图，具体包括：根据公式(5)计算每个超像素块到该图像内所有其他超像素块的加权颜色距离之和，将计算结果作为图像最终的颜色对比度；其中，disc(i,j)为任意两个超像素sp
i
(1≤i≤400)和sp
j
(1≤j≤400,j≠i)的颜色特征向量c
i
和c
j
之间的欧氏距离，每个超像素的权重σ
i,j
由超像素sp
i
、sp
j
的中心距离而定，将成对的空间距离转换为成对的权重，公式如下所示：其中，p
i
、p
j
分别为超像素sp
i
、sp
j
对应聚类中心的位置，δ控制空间距离加权的比重，δ取值为0.4；利用韦伯局部描述符的差分激励及卡方距离计算任意两超像素之间的纹理距离，如公式(7)所示，其中，分别为超像素sp
i
、sp
j
的WLD直方图，进行局部纹理对比的超像素个数n为8；通过计算每个超像素块到图像内所有其他超像素块的加权纹理距离之和得到图像的纹理对比度，如公式(8)所示：纹理对比度，如公式(8)所示：基于颜色对比度与纹理对比度计算最终的前景对比度得到图像的前景显著图，如公式(9)所示，其中，e为调和参数，取值为0.6，为背景权值。4.根据权利要求1所述的视觉显著性驱动的图像自动标注方法，其特征是，基于超像素块通过soft背景先验SBP算法提取背景先验知识，得到图像的背景先验图，具体包括：根据公式(10)计算每个超...

【专利技术属性】
技术研发人员：陈尚靖，贾丽，邹杨，张杉，周清楷，李庆武，周亚琴，马云鹏，刘艳，常心悦，
申请(专利权)人：河海大学，
类型：发明
国别省市：