基于测地线距离的图像显著性区域检测方法技术

本发明专利技术提供了一种基于测地线距离的图像显著性区域检测方法，步骤包括S1：将输入图像过分割为面积小的超像素并计算超像素内部的平均颜色与位置；S2：遍历所有超像素，得到粗糙显著性能量值；S3：检测图像中的Harris角点并排序，保留一定数量得分靠前的角点。最后寻找这些角点的最小外接凸包；S4：将位于凸包外的超像素的粗糙显著性能量值置为0，凸包内超像素的显著性值保持不变；S5：根据测地线距离传播显著性能量，计算每个超像素经传播后获得的最终显著性值。本法明得到的显著性图能均匀的突出图像中的显著性物体或者区域，同时较强抑制背景干扰，有利于后续诸如目标物体分割等处理。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及一种。
技术介绍
显著性检测(计算)是目前计算机视觉领域研究的一个课题，其输出结果一般被称为“显著性图”(Saliency Map)，图上亮度越大的区域意味着越容易吸引人的注意。显著性检测在自动目标定位与分割，图像检索，基于内容的图像缩放等方向都有很广泛的应用。目前的显著性检测方法通常可以分为两类:自底向上与自上而下。自底向上的显著性检测方法模拟人本能的视觉注意机制，利用底层特征如颜色，边缘，纹理等进行检测。自上而下的显著性检测方法利用人的视觉注意机制受先验知识与任务等影响，旨在开发目标驱动的显著性检测方法。本专利技术主要利用图像中的颜色信息作为显著性检测的依据，因此本专利技术属于自底向上的显著性检测方法。而自底向上的显著性检测方法又可以进一步分为两个子类，一类旨在模拟人类视觉注意机制，另一类旨在检测出整个显著性物体或区域，而本专利技术提出的显著性检测方法属于后者。下面对国内外的旨在检测整个显著性物体或区域的自底向上的方法以及专利做相关介绍。Zhai 等人于 2006 年提出“Visual attention detection in video sequencesusing spatiotem-poral cues”,该方法定义一个像素的显著性值为该像素与图像中其余像素的亮度差异。Achanta 等人(“Frequency-tuned salient region detection”)于 2009年提出一种计算快速的显著性检测方法，该方法定义一个像素的显著性值为该像素在颜色空间上与图像均值的欧氏距离。但是在具有复杂背景与纹理的自然图像上该方法很难获得令人满意的结果。Goferman 等人(“Context-aware saliency detection”)于 2010 年利用局部特征与全局特征在多尺度估计一个图像块的显著性。该方法的缺点是计算量大，并且由于采用了局部特征，该方法有时会高亮显示目标物体的边缘部分,并不能突显整个目标。Xie 等人(“Visual saliency detection based on bayesian model”)于 2011 年提出利用贝叶斯概率框架来进行显著性检测，并在该框架下提出了一种显著性先验分布。Perazzi等人(“Saliency FiIters:Contrast Based Filtering for Salient Region Detection，，)于2012年提出将显著性检测视为图像特征上的高维高斯滤波操作。Wei等人(“Geodesicsaliency using background priors”)于2012年提出利用一种背景先验来进行显著性检测。但是仅仅使用背景先验可能将从背景独立的物体或区域(一些可能属于背景干扰)都检测出来，并没有结合显著性物体自身的特性。目前国内相关专利有:基于学习的视频中显著物体序列自动检测方法(专利申请号200810150324)与基于色彩直方图和全局对比度的图像视觉显著性计算方法(专利申请号201110062520)。前者由于引入了条件随机场框架对多种特征进行融合并分割显著性物体，处理一幅图片往往需要很长时间，因此很难满足一些实时的应用。后者定义一个像素的显著性为其与图像中其他像素的颜色对比，并且转化为颜色直方图上的量化与计算操作。本专利技术公开的方法不同于上述所有方法，因为本专利技术旨在得到高质量的显著性图，其能利用显著性物体的全局对比特性，结合角点外接凸包与基于测地线距离的显著性能量传播，使得最终的显著性图能均匀的突出目标物体，并且与Wei等人(“Geodesicsaliency using background priors”)的方法相比能够更好的抑制背景噪声的干扰。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种，该方法利用显著性物体的全局对比特性，结合角点外接凸包与基于测地线距离的显著性能量传播，使得最终的显著性图能均匀的突出目标物体，并且能够更好的抑制背景噪声的干扰。为实现上述目的，本专利技术具体包括以下技术步骤:S1:将输入图像过分割为面积小的超像素并计算超像素内部的平均颜色与位置，将这些超像素作为后续的计算单元；以Ri代表图像中第i个超像素，Ini e Ri为Ri中的像素，那么Ri的平均颜色Ci与位置Pi定义公式为权利要求1.一种，其特征在于，利用显著性物体的全局对比特性，结合角点外接凸包与基于测地线距离的显著性能量传播，使得最终的显著性图能均匀的突出目标物体； 所述方法具体包括如下步骤: S1:将输入图像过分割为面积较小的超像素并计算超像素内部的平均颜色与位置，将这些超像素作为后续的计算单元； 52:遍历所有超像素，计算每个超像素的全局颜色对比度，将该对比度值称为粗糙显著性能量值； 53:检测图像中的Harris角点，并按照得分从高到低对角点进行排序，保留一部分得分靠前的角点，最后寻找这些角点的最小外接凸包； 54:将位于凸包外的超像素的粗糙显著性能量值置为O，凸包内超像素的显著性值保持不变； 55:根据测地线距离传播显著性能量，计算每个超像素经传播后获得的最终显著性值。2.如权利要求1所述的一种，其特征在于，所述步骤S5中，根据测地线距离传播显著性能量，计算每个超像素经传播后获得的最终显著性值，具体为: 首先遍历每个超像素，计算每个超像素与其余超像素的测地线距离，两个超像素Ri, Rj间的测地线距离测地线距离(KRi, Rj)的计算公式为全文摘要本专利技术提供了一种，步骤包括S1将输入图像过分割为面积小的超像素并计算超像素内部的平均颜色与位置；S2遍历所有超像素，得到粗糙显著性能量值；S3检测图像中的Harris角点并排序，保留一定数量得分靠前的角点。最后寻找这些角点的最小外接凸包；S4将位于凸包外的超像素的粗糙显著性能量值置为0，凸包内超像素的显著性值保持不变；S5根据测地线距离传播显著性能量，计算每个超像素经传播后获得的最终显著性值。本法明得到的显著性图能均匀的突出图像中的显著性物体或者区域，同时较强抑制背景干扰，有利于后续诸如目标物体分割等处理。文档编号G06T7/00GK103208115SQ20131006684公开日2013年7月17日 申请日期2013年3月1日 优先权日2013年3月1日专利技术者傅可人, 宫辰, 杨杰 申请人:上海交通大学本文档来自技高网...

【技术保护点】
一种基于测地线距离的图像显著性区域检测方法，其特征在于，利用显著性物体的全局对比特性，结合角点外接凸包与基于测地线距离的显著性能量传播，使得最终的显著性图能均匀的突出目标物体；所述方法具体包括如下步骤：S1：将输入图像过分割为面积较小的超像素并计算超像素内部的平均颜色与位置，将这些超像素作为后续的计算单元；S2：遍历所有超像素，计算每个超像素的全局颜色对比度，将该对比度值称为粗糙显著性能量值；S3：检测图像中的Harris角点，并按照得分从高到低对角点进行排序，保留一部分得分靠前的角点，最后寻找这些角点的最小外接凸包；S4：将位于凸包外的超像素的粗糙显著性能量值置为0，凸包内超像素的显著性值保持不变；S5：根据测地线距离传播显著性能量，计算每个超像素经传播后获得的最终显著性值。

【技术特征摘要】

【专利技术属性】
技术研发人员：傅可人，宫辰，杨杰，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：