一种基于图像信息融合的显著性检测方法和系统技术方案

本发明专利技术提供了了一种基于图像信息融合的显著性检测方法和系统，主要是面向搭载树莓派视觉感知的无人机平台。方法具体包括：首先，将输入图像分割成不重叠的超像素，以便在区域级进行显著性检测，来降低计算复杂度。然后，利用背景优化选择方案构建一个更精确的背景模板。在此基础上，通过估计颜色对比度，得到了一个显著性图。另外，还通过哈希指纹匹配得到了一个可以突出显著目标同时抑制背景区域的显著图。最后，通过融合这两个显著图，得到了最终的显著图。本发明专利技术的检测方法操作简单、易于实现，在突出整个显著区域方面具有良好的性能。在突出整个显著区域方面具有良好的性能。在突出整个显著区域方面具有良好的性能。

【技术实现步骤摘要】
一种基于图像信息融合的显著性检测方法和系统


[0001]本专利技术涉及目标检测
，具体涉及一种基于图像信息融合的显著性检测方法和系统。

技术介绍

[0002]目前，图像的显著性检测方法可大致分为两种方式——自下而上方式，即通过利用图像低级特征信息进行显著区域检测；自上而下方式，即通过对已有的图像库和对应的真值图进行训练，由特定的高级特征信息找出待测图中的显著物。其中，由于自下而上的方式，步骤相对简单、计算量较小，检测效果较好，因此一直以来是研究的重点方向。如经典的MSS算法，其首先用高斯滤波对输入图像进行处理，并将其转换到l ab空间；然后分别求每一个像素点邻域内lab的均值；最后再对数据进行融合得到最终的显著图。虽然该方法具有很好的显著性识别效果，但是在复杂的背景情况下，检测效果并不好，因为该方法没有充分利用背景信息。而经典的GBMR算法，其将输入图像表示为一个以超像素作为节点的闭环图，然后基于流行排序方法，利用每一个节点与背景节点的相似性得到初步的显著图，然后对其进行二值分割，得到前景节点，最后利用每一个节点与前景节点的相似性得到最终本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像信息融合的显著性检测方法，其特征在于，所述显著性检测方法包括：步骤1、将无人机拍摄的原图进行超像素分割，并将图像所有最外层的超像素作为候选背景模板B；步骤2、获取背景模板B中每个超像素与背景模板B中其他所有超像素之间的颜色距离的空间加权和S
B
；步骤3、基于所述空间加权和S
B
获取阈值α，从背景模板B中删除空间加权和不符要求的超像素，获得准确的背景模板Bopt；步骤4：除去背景模板Bopt后的，获取剩余区域F中每个超像素与其周围区域之间的颜色距离的空间加权之和，从而得到显著性Sb；步骤5：计算剩余区域F中每个超像素与整个背景模板Bopt之间的颜色对比度，并将所述颜色对比度作为显著性Sb的权重，从而获得显著图Sb
’
；步骤6：对原图的灰度图像进行分块,并且计算每个图像块的DCT系数矩阵的均值，然后遍历所有DCT系数矩阵，将所有小于均值的位置的值设为0，所有大于等于均值的位置的值设为1，最后把DCT系数矩阵的值按从左到右和从上到下的顺序排列，得到每个图像块的哈希指纹；步骤7：遍历所有图像块，计算每个图像块的哈希指纹与全图其他图像块的哈希指纹的汉明距离，对所有汉明距离加权求和，并将加权和作为图像块的显著性值，从而得到显著图Sh；步骤8：将显著图Sb
’
和Sh进行融合，得到显著图S。2.如权利要求1所述的一种基于图像信息融合的显著性检测方法，其特征在于，步骤2中的颜色距离的空间加权和的计算公式为：其中，M为背景模板B中的超像素个数，d
color
(i，j)是CIELab空间中第i 和第j个超像素的平均颜色向量之间的欧氏距离，d
spatial
(i，j)是两个超像素之间的空间距离,σ为第一常数因子。3.如权利要求1所述的一种基于图像信息融合的显著性检测方法，其特征在于，步骤3中的阈值α的计算公式为：α＝S
Bmax
‑
kD其中，k为第二常数因子；S
Bmax
和D分别为S
B
(i)的最大值和方差，i＝1...M。4.如权利要求1所述的一种基于图像信息融合的显著性检测方法，其特征在于，步骤5中的显著性S
b
’
的计算公式为：S
′
b
＝S
b
·
||c
i
‑
c
a
||

【专利技术属性】
技术研发人员：吕寅，王勇，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：