您好、欢迎来到现金彩票网!
当前位置:PC蛋蛋 > 运行剖面 >

基于区域间差异的图像中显著对象的检测方法

发布时间:2019-06-10 16:47 来源:未知 编辑:admin

  本发明涉及计算机视觉、图像处理技术领域,具体地说是涉及一种基于区域间差异的图像中显著对象的检测方法。

  心理学以及感知科学的研究成果已经表明当人观察一幅图像时,对图像各区域的关注并不平均,从而产生与关注度相对应的显著性图。在大多数情况下,人观察一幅图像时注意力集中在图像的某一区域上,该区域称之为显著对象。换句话说,显著对象相较于图像的其他区域获取了更高的关注度。如果能够将显著对象检测出来,那么对显著对象识另O、图像自适应、图像压缩、图像检索等诸多应用能提供较大的帮助。显著对象检测方法正是在这种背景下应用而生,它旨在利用与图像关注度相对应的显著性图像将图像中的显著对象准确快速的检测出来。检测的结果表现为在图像中标记出一块矩形区域,该矩形区域尽可能多的包含显著对象而尽可能少的包含背景。目前显著对象检测方法已经有了初步的研究,如Liu等人在2007年6月美国电气电子工程师学会计算机视觉及图型辨识会议上发表的“基于学习的显著对象检测”一文,该文所述的显著对象检测是采用穷举算法在显著性图像上搜索目标矩形,该目标矩形框住了至少95%的显著性高的像素。这种检测方法需要设定阈值,而且显著对象的检测速度慢,检测效果依赖于显著性图像的效果。Valenti等人在2009年美国电气电子工程师学会计算机视觉会议上发表的“基于同心曲线及颜色的显著性模型”一文,该文所述的显著对象检测是采用高效子窗口搜索算法在显著性图像上搜索目标矩形,这种算法加快了搜索目标矩形的速度,但是不能准确检测出显著对象,高效子窗口搜索算法的具体步骤如下

  (1)设P为一个空的有序队列,用图像的四个顶点坐标组成一个点集,将该点集作为有序队列P的队首的点集;

  (5)重复步骤(2)-(4),直到从有序队列ρ的队首取出的子集仅包括一个矩形时,该矩形为全局最大值,就是搜索到的目标矩形。Luo等人在2010年亚洲计算机视觉会议上发表了“基于最大显著性密度的对象检测”一文,该文所述的“对象检测”是采用最大显著密度算法在显著性图像上搜索目标矩形, 这种算法提高了显著对象检测的准确度,但是该方法对于不同的显著性模型需要设计不同的参数,不能实现自适应性。Liu等人在2010年9月美国电气电子工程师学会图像处理国际会议上发表了 “基于核密度估计的无参显著性检测”,该文用非参数核密度估计算法建立无参数的显著性模型,用来获得图像的显著性图,该算法具体步骤如下

  (2)用非参数核密度估计算法计算图像中的每个像素点与各个区域的颜色相似性;(3)利用图像中的每个像素点与各个区域的颜色相似性计算各个区域间的颜色距离, 形成图像的颜色显著性(4)利用图像中的每个像素点与各个区域的颜色相似性计算各个区域间的空间距离, 形成图像的空间显著性(5)由图像的颜色显著性图和空间显著性图,形成图像最终的显著性图。综述所述,现有的显著对象检测方法需要针对各种显著性模型设置相应的参数, 才能实现显著对象的准确检测,这影响了显著对象检测的广泛应用。

  本发明的目的在于针对已有技术中存在的缺陷提出一种基于区域间差异的图像中显著对象的检测方法,该方法能够较为准确的检测出显著对象,而不需要针对各种显著性模型设置相应的参数。为了达到上述目的,本发明所采用的技术方案是如下

  一种基于区域间差异的图像中显著对象的检测方法,其具体步骤如下 (1)、输入原始图像,计算原始图像的显著性图; O)、计算修改显著性(3)、通过迭代更新显著性图,找到与外部区域差异最大的目标矩形,该目标矩形内部区域的图像内容为检测出的显著对象。上述步骤(1)所述的输入原始图像,计算原始图像的显著性图,其具体步骤如下 (1-1)、用均值漂移算法把原始图像分割成几个区域;

  Ri中的像素点,表示像素点(《,《)处的颜色特征,Cy表示像素点Or, jO处的颜色特

  征,A表示第i个区域的核函数,G(H)表示Or, jO处的像素点汽U)与第j个区域的颜色相似度;

  其中,i表示第i个区域,η表示区域总数,CiOr^)表示(U)处的像素点P(U)与

  第i个区域的颜色相似度,表示第i个区域的颜色显著性,S1fOrsJO表示原始图像的颜色显著性(1-4)、计算原始图像的空间显著性图,其计算式为 j) = Jdsi^i CjU r) · KSβ)(3)

  其中,i表示第i个区域,η表示区域总数,G(U)表示处的像素点P(A7)与第i个区域的颜色相似度,fKi)表示第i个区域的空间显著性,之(A_F)表示原始图像

  1.一种基于区域间差异的图像中显著对象的检测方法,其具体步骤如下 (1)、输入原始图像,计算原始图像的显著性图;O)、计算修改显著性图;(3)、通过迭代更新显著性图,找到与外部区域差异最大的目标矩形,该目标矩形内部区域的图像内容为检测出的显著对象。

  2.根据权利要求1所述的基于区域间差异的图像中显著对象的检测方法,其特征在于,上述步骤(1)所述的输入原始图像,计算原始图像的显著性图,其具体步骤如下(1-1)、用均值漂移算法把原始图像分割成几个区域;(1-2)、计算图像中的每个像素点与各个区域的颜色相似度,其计算式为

  3.根据权利要求2所述的基于区域间差异的图像中显著对象的检测方法,其特征在于,上述步骤( 所述的计算修改显著性图,其具体步骤如下 0 — 1)、设显著性图的重心0(,190 ;(2-2)、计算显著性图上每个像素点P(U)到该重心G(PW)的欧式距离D(U),其计算式为

  4.根据权利要求3所述的基于区域间差异的图像中显著对象的检测方法,其特征在于,上述步骤(3)所述的通过迭代更新显著性图,找到与显著性图外部区域差异最大的目标矩形,该目标矩形内部区域的图像内容为检测出的显著对象,其具体步骤如下 (3 - I)、设置迭代的初始值,其具体步骤如下 (3 - 1-1)、设ι表示迭代次数,其中,i为0,I,2,3,……;(3 - 1-2)、设各表示在第,次迭代中更新的显著性图,初始状态时的显著性图Sq = T, 其中表示步骤(2)中得到的修改后的显著性图;(3 — 1-;3)、设1表示在第i次迭代中获得的矩形区域,呢表示初始状态时的矩形区域,为整个显著性图;(3 - 1-4)、设/( 〗)表示第,次迭代中获得的矩形区域与外部区域的差异值,外部区域是指显著性图中除去矩形区域后的区域,初始状态时矩形区域与外部区域的差异值 I(W0) = Q ;(3 - 1-5)、设Maarti表示第,次迭代中显著性图这上所有像素点的显著性值的均值,初始状态时的显著性图各上所有像素点的显著性值的均值为MftOTb ; (3 - 2)、通过迭代更新显著性图,获得矩形区域,其具体步骤如下 (3-2-1)、设在第次迭代中,用第,-1次迭代中更新的显著性图上每个像素点的显著性值减去显著性图上所有像素点的显著性值的均值《eafv^ ,得到更新的显著性四(3-2-2)、采用高效子窗口搜索算法,在更新的显著性图名中获取一个矩形区域该 矩形区域内所有像素点之和大于更新的显著性图^上任意其它矩形内像素点之和;(3-2-3)、计算在步骤(3-2-2)中获取的矩形区域巧与外部区域的差异值,其计算式为

  本发明公开了一种基于区域间差异的图像中显著对象的检测方法,该方法具体步骤如下(1)输入原始图像,计算原始图像的显著性图;(2)计算修改显著性图;(3)通过迭代更新显著性图,找到与外部区域差异最大的目标矩形,该目标矩形内部区域的图像内容为检测出的显著对象。该方法在不需要设置任何参数的条件下,能够准确的将图像中显著对象检测出来。

http://ammanphoto.com/yunxingpoumian/3.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有