基于去噪的图像显著性检测方法及装置制造方法及图纸

本发明专利技术提供了一种基于去噪的图像显著性检测方法及装置，可用于人工智能技术领域，该方法包括：生成目标图像的六个对抗色通道；从六个对抗色通道中，筛选出信息量最大的对抗色通道；基于信息量最大的对抗色通道，获得显著度图；获取目标图像中噪声的纹理信息；根据噪声的纹理信息对显著图进行去噪，获得去噪后的显著度图；对去噪后的显著度图进行分割，得到目标图像中的显著物体。本发明专利技术可以实现图像的显著性检测，效果好。效果好。效果好。

【技术实现步骤摘要】
基于去噪的图像显著性检测方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于去噪的图像显著性检测方法及装置。

技术介绍

[0002]如何快速高效地检测出图像中的显著性区域，研究成果将对银行中的账单自动化处理，人脸检测，目标跟踪与识别，非显著区域植入LOGO等有很大的价值，检测出图像中的显著区域，能够有效地对图像或者视频做预处理。
[0003]近些年国内外学者提出的检测图像显著区域的方法，有基于生物视觉的“中心
‑
周围差”机制，基于全概率图的模型，基于滑动窗口，图像块的特征差异模型，一般都会有计算复杂度高，反应慢的特点，基于CRF条件概率模型或者基于准则的SVM线性判别器方法，基于最大熵的信息论模型，基于点熵率模型，这些方法计算复杂并依赖于很强的数学背景，而忽略了显著性最本质的定义
‑‑‑
突出于一般的物体而存在的物体即为显著物体，另外这些研究中得到的显著图会出现显著物体轮廓不清晰，背景噪声也较多的缺点。
[0004]因此，目前缺乏一种针对图像显著性检测方法。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于去噪的图像显著性检测方法，其特征在于，包括：生成目标图像的六个对抗色通道；从六个对抗色通道中，筛选出信息量最大的对抗色通道；基于信息量最大的对抗色通道，获得显著度图；获取目标图像中噪声的纹理信息；根据噪声的纹理信息对显著图进行去噪，获得去噪后的显著度图；对去噪后的显著度图进行分割，得到目标图像中的显著物体。2.如权利要求1所述的基于去噪的图像显著性检测方法，其特征在于，生成目标图像的六个对抗色通道，包括：获得目标图像的R、G、B灰度值；根据目标图像的R、G、B灰度值，生成六个对抗色通道。3.如权利要求1所述的基于去噪的图像显著性检测方法，其特征在于，从六个对抗色通道中，筛选出信息量最大的对抗色通道，包括：根据每个对抗色通道中的像素灰度值，计算每个对抗色通道的颜色饱和度因子；计算每个对抗色通道的距离因子；计算每个对抗色通道的熵；根据每个对抗色通道中的颜色饱和度因子、每个对抗色通道的距离因子、每个对抗色通道的熵，计算每个对抗色通道的信息量；从六个对抗色通道中，筛选出信息量最大的对抗色通道。4.如权利要求3所述的基于去噪的图像显著性检测方法，其特征在于，计算每个对抗色通道的距离因子，包括：对每个对抗色通道中的像素灰度值由大到小排序，获得每个对抗色通道中像素灰度值占前五分之一的像素；把每个对抗色通道中像素灰度值占前五分之一的像素添加至每个对抗色通道的第一集合，记录对抗色通道中像素灰度值占前五分之一的像素在目标图像中的位置；根据每个对抗色通道的第一集合，计算每个对抗色通道的距离因子。5.如权利要求3所述的基于去噪的图像显著性检测方法，其特征在于，计算每个对抗色通道的熵，包括：统计每个对抗色通道中像素灰度值占前五分之一的像素在HSV空间里的三维直方图；对所述三维直方图进行归一化处理；基于归一化处理后的三维直方图，计算每个对抗色通道的熵。6.如权利要求1所述的基于去噪的图像显著性检测方法，其特征在于，基于所述信息量最大的对抗色通道，获得显著度图，包括：对所述信息量最大的对抗色通道进行高斯滤波，获得平滑后的图像；根据平滑后的图像中每个像素的像素灰度值，确定每个像素的第一显著度；对每个像素的第一显著度进行灰度拉伸，获得每个像素的灰度拉伸值；根据每个像素的灰度拉伸值，计算每个像素的第二显著度，其中，平滑后的图像的所有像素的第二显著度构成了显著度图。7.如权利要求6所述的基于去噪的图像显著性检测方法，其特征在于，根据平滑后的图
像中每个像素的像素灰度值，确定每个像素的第一显著度，包括：计算平滑后的图像的像素灰度均值；根据平滑后的图像中每个像素的像素灰度值及像素灰度均值，确定每个像素的第一显著度。8.如权利要求6所述的基于去噪的图像显著性检测方法，其特征在于，根据每个像素的灰度拉伸值，计算每个像素的第二显著度，包括：计算每个像素的空间注意力函数值；根据每个像素的灰度拉伸值和空间注意力函数值，计算...

【专利技术属性】
技术研发人员：张辉，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：