一种基于离群数据挖掘的图像显著性检测方法技术

本发明专利技术公开了一种基于离群数据挖掘的图像显著性检测方法，该方法包括：在图像的多尺度视觉特征空间内分别估计各个像素点的局部分布密度值、加权邻域分布密度值；计算表征图像区域分布差异信息的显著性似然值；采用基于核方法的显著性似然值传播方法来融合图像的视觉特征空间分布信息和二维平面空间分布信息以修正显著性似然值，并输出图像的显著性映射图。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，特别涉及一种基于离群数据挖掘的图像显著性检测 (Image Saliency Detection)方法。
技术介绍
作为计算机视觉的一个重要研究领域，图像显著性检测通过模拟人类的视觉注意 机制来提取图像中具有显著性的区域，以便于进一步对图像进行理解和分析。一般来讲，图 像显著性检测方法会输出图像显著性映射图(Saliency Map)，用来反映图像的各个区域对 人类的吸引程度。其中，占据人类大部分注意力的区域被称为图像显著性区域。基于图像 显著性映射图，显著性区域检测被广泛地应用到计算机视觉的诸多领域当中，如图像检索、 显著性区域分割、基于内容感知的图像尺度变换等。视觉注意机制理论认为人类的视觉系统能够高效率地捕捉到图像中最重要的区 域并对其集中大部分注意力，而忽略图像的其他部分。依据理论框架的类型，图像显著性检 测方法可以分为两大类自底向上的检测框架和自顶向下的检测框架。自底向上的检测框 架假设人类主要是因为图像中各区域的外部差异和对比来捕捉显著性区域，如颜色、对比 度等，且显著性区域与图像其他区域的差别较大。因此，采用该类检测框架方法一般先进行 基本视觉特征的提取，如颜色特征(Color Channel)、图像灰度(GreyIntensity)、颜色朝向 (Orientation)等，然后依据区域间的对比来计算图像显著性映射图。因此，该类方法主要 是由数据驱动且需要遵循关于注意力机制的假设规则。基于自顶向下的检测框架的方法则 是与后续图像理解和分析的任务密切相关的、由目标驱动的图像显著性检测。为此，该类方 法需要获得图像目标区域的先验知识，如明确目标区域是人脸等，然后依据先验知识构建 描述模型来将目标区域与图像背景区分。与自顶向下检测方法相比，自底向上检测方法能 够在没有任何先验知识的前提下，只依据图像的基本视觉特征高效地构建图像显著性映射 图。因此，近年来大部分研究工作都是基于自底向上检测方法。当前流行的自底向上检测方法的最大问题在于无法均匀地给予显著性区域各个 像素同等大小的显著性似然值(Saliency Score)，而一般仅能够将显著性区域的边缘与图 像背景区域明显区分。一方面，这使得图像显著性区域的提取不够完整，因而给进一步的 图像理解和分析提出了更多的挑战；另一方面，同一区域的显著性似然值差异过大，无法将 显著性似然值作为权重直接与图像的高层语义特征结合，限制了图像显著性区域的应用范 围。
技术实现思路
(一 )要解决的技术问题本专利技术的目的在于提出一种适用于复杂场景下无监督的图像显著性区域检测方 法，解决自动识别图像内显著性区域或焦点区域的技术问题。( 二)技术方案为实现上述目的，本专利技术提出了一种基于离群数据挖掘的图像显著性区域检测方 法，融合视觉特征空间分布信息和二维平面空间分布信息得到一种能够更加均匀地凸显整 个显著性区域的检测方法，其方法包括步骤如下(I)在所述图像的视觉特征空间内进行 多尺度的视觉差异性分析，得到所述图像各个像素点在不同尺度下的显著性似然值；(2) 将不同尺度下得到的显著性似然值进行融合以得到基于视觉特征空间的图像显著性映射 图；(3)在所述图像的二维平面空间中内进行显著性似然值的传播，将所述图像的视觉空 间分布信息和二维平面空间分布信息融合起来以得到最终的图像显著性映射图。优选地，对图像进行多尺度的视觉差异性分析，包括如下步骤(Ia)所述图像中 各个像素点的视觉特征信息由其二维平面空间预定邻域内像素点的视觉特征分布信息来 表示；(Ib)寻找所述图像中各个像素点在当前尺度下的视觉特征空间内的k个距离最短 的邻居像素点及相应的距离值，其中参数k为不大于图像像素点总个数的正整数；(Ic)计 算所述各个像素点的局部分布密度值；(Id)计算所述各个像素点的加权邻域分布密度值； (Ie)利用所述局部分布密度值和所述加权邻域分布密度值计算所述各个像素点的显著性 似然值。优选地，在图像二维平面空间内进行图像显著性似然值的传播，包括如下步骤 (3a)寻找所述图像各个像素点在二维平面空间内的k个距离最近的像素点，并计算像素点 与其邻居像素点在原始图像的视觉特征空间内的距离值，其中参数k为不大于图像像素点 总个数的正整数；(3b)检测所述图像中的有效显著性像素点；(3c)对所述图像中非有效显 著性像素点进行显著性似然值的传播计算。(三)有益效果本专利技术所提出基于局部密度估计的多尺度显著性映射图构建方法，通过全局视角 和局部视角的融合将图像显著性区域和背景区域区分开，能够自适应地处理复杂背景下的 图像显著性区域提取问题，特别是背景区域与显著性区域的视觉特征较为接近的情况。附图说明图1是本专利技术的图像显著性检测方法的流程图2是本专利技术的k-distance邻域示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照 附图，对本专利技术作进一步的详细说明。本专利技术的方法具体运行的硬件和编程语言并不受限制，用任何语言编写都可以实 现本专利技术的方法。本专利技术采用一台具有2. SG赫兹中央处理器和IG字节内存的计算机，并 用Matlab语言编制了图像显著性区域检测的工作程序，实现了本专利技术的方法。图1是本专利技术的图像显著性检测方法的流程图。如图1所示，该方法包括步骤1:在所述图像的视觉特征空间内从全局视角和局部视角出发，进行多尺度 的视觉差异性分析，得到所述图像各个像素点在不同尺度下的显著性似然值；步骤2 :将所述不同尺度下得到的显著性似然值进行融合，得到基于视觉特征空 间的图像显著性映射步骤3 :在所述图像的二维平面空间中内进行显著性似然值的传播，将所述图像的视觉空间分布信息和二维平面空间分布信息融合起来以得到最终的所述图像显著性映射图。下面详细给出本专利技术技术方案中所涉及的各个步骤。对于步骤I，包括如下步骤步骤Ia :图像中各个像素点用其二维平面空间内周边8个像素点的视觉特征分布信息进行表示，如像素点i可由图像块Pi内的视觉特征信息描述。为了便于理解，本文直接使用图像块Pi表示像素点i。本步骤所用的视觉特征信息为颜色空间CIE L*a*b*内各个颜色通道的取值，其中像素点i的视觉特征信息表示如下本文档来自技高网...

【技术保护点】
一种基于离群数据挖掘的图像显著性检测方法，该方法包括以下步骤：步骤1：在所述图像的视觉特征空间内进行多尺度的视觉差异性分析，得到所述图像各个像素点在不同尺度下的显著性似然值；步骤2：将所述不同尺度下得到的显著性似然值进行融合，得到基于视觉特征空间的图像显著性映射图；步骤3：在所述图像的二维平面空间内进行显著性似然值的传播，将所述图像的视觉特征空间分布信息和二维平面空间分布信息融合起来以得到最终的所述图像显著性映射图。

【技术特征摘要】
1.一种基于离群数据挖掘的图像显著性检测方法，该方法包括以下步骤步骤1:在所述图像的视觉特征空间内进行多尺度的视觉差异性分析，得到所述图像各个像素点在不同尺度下的显著性似然值；步骤2 :将所述不同尺度下得到的显著性似然值进行融合，得到基于视觉特征空间的图像显著性映射图；步骤3:在所述图像的二维平面空间内进行显著性似然值的传播，将所述图像的视觉特征空间分布信息和二维平面空间分布信息融合起来以得到最终的所述图像显著性映射图。2.根据权利要求1所述的方法，其特征在于，所述步骤I包括步骤Ia :所述图像中各个像素点的视觉特征信息由其二维平面空间邻域内的邻居像素点的视觉特征分布信息来表示；步骤Ib :寻找所述各个像素点在当前尺度下的视觉特征空间内的k个距离最短的邻居像素点及各个像素点与所述邻居像素点之间的距离值，其中，所述k为不大于图像像素点总个数的正整数；步骤Ic :计算所述各个像素点的局部分布密度值；步骤Id :计算所述各个像素点的加权邻域分布密度值；步骤Ie :利用所述局部分布密度值和加权邻域分布密度值计算所述各个像素点的显著性似然值。3.根据权利要求1所述的方法，其特征在于，所述步骤2依据如下方式将不同尺度下得到的显著性似然值进行融合，4.根据权利要求1所述的方法，其特征在于，所述步骤3包括步骤3a :寻找所述图像各个像素点在二维平面空间内的k个距离最短的邻居像素点， 其中，所述k为不大于图像像素点总个数的正整数；步骤3b :确定所述图像中的有效显著性像素点；步骤3c :对所述图像中非有效显著性像素点进行显著性似然值的传播计算。5.根据权利要求2所述的方法，其特征在于，在所述步骤Ia中，所用的视觉特征信息为颜色空间CIE L*a*b*内各个颜色通道的取值,其中像素点i的颜...

【专利技术属性】
技术研发人员：胡卫明，高君，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：