一種圖像顯著目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺(jué)與數(shù)字圖像處理領(lǐng)域，具體涉及一種圖像顯著目標(biāo)檢測(cè)方 法。
【背景技術(shù)】
[0002] 人類視覺(jué)感知系統(tǒng)具有選擇性，可以在未知環(huán)境中不受復(fù)雜背景影響而準(zhǔn)確快速 地確定場(chǎng)景中的顯著區(qū)域或目標(biāo)，并能在視覺(jué)處理的各個(gè)階段自動(dòng)提取感興趣的內(nèi)容，將 大量的無(wú)關(guān)信息進(jìn)行壓縮或是丟棄，這就是視覺(jué)注意機(jī)制。目前計(jì)算機(jī)在處理復(fù)雜場(chǎng)景的 圖像時(shí)需要耗費(fèi)大量的時(shí)間與計(jì)算能力，如果能夠模仿人類視覺(jué)注意機(jī)制，像人眼一樣迅 速選擇圖像中的顯著區(qū)域，并優(yōu)先處理，忽略或舍棄非顯著區(qū)域，可有效提高后續(xù)圖像處理 的工作效率和正確性。因此，將視覺(jué)注意機(jī)制引入到復(fù)雜場(chǎng)景下的圖像顯著目標(biāo)檢測(cè)有利 于實(shí)現(xiàn)穩(wěn)定的接近于人類認(rèn)知機(jī)制的目標(biāo)檢測(cè)與識(shí)別任務(wù)，在計(jì)算機(jī)視覺(jué)領(lǐng)域中有著廣泛 的應(yīng)用，如應(yīng)用到目標(biāo)檢測(cè)、目標(biāo)識(shí)別、圖像分割、圖像檢索、圖像壓縮等。
[0003] 根據(jù)人類視覺(jué)特點(diǎn)，視覺(jué)顯著可以分為三類：一類是基于數(shù)據(jù)驅(qū)動(dòng)、獨(dú)立于具體任 務(wù)，自底向上的顯著檢測(cè)；一類是受意識(shí)支配，依賴于具體任務(wù)，自頂向下的顯著檢測(cè)；一 類是前兩類的結(jié)合。顯著性源于視覺(jué)的獨(dú)特性、不可預(yù)測(cè)性，這是由顏色、亮度、邊界、梯度、 紋理等圖像屬性所致，由于缺乏高層知識(shí)，大多數(shù)算法都是屬于自底向上的顯著檢測(cè)。
[0004] 早期的自底向上顯著檢測(cè)基于圖像屬性對(duì)比度特征完成，如Itti提出高斯差 分方法的圖像顯著檢測(cè)，Koch和Ullman提出基于底層特征對(duì)比度的中心-周?chē)Ｐ停?R. Achanta等人提出頻域檢測(cè)顯著目標(biāo)，Μ. M. Cheng等人使用基于全局對(duì)比度的計(jì)算方法， Stas Goferman等人以及T. Liu等人提出檢測(cè)有區(qū)別性的圖案。這些方法利用圖像顏色、亮 度、邊界、梯度、紋理等底層特征屬性來(lái)決定圖像某個(gè)區(qū)域和它周?chē)膶?duì)比度，從顯著目標(biāo) 應(yīng)該具有的特征出發(fā)，從正面提取特征來(lái)檢測(cè)顯著目標(biāo)。但是由于目標(biāo)之間的行為差異，對(duì) 比度特征適應(yīng)性不足，雖然人們提出了很多計(jì)算模型，但是很難適用于所有情況?？梢?jiàn)這種 方法并不是十分有效的，因?yàn)橐恍┚哂袇^(qū)別性特征的區(qū)域有時(shí)并不是顯著區(qū)域。
[0005] 近年來(lái)研宄者提出使用邊界先驗(yàn)知識(shí)的方法提取顯著目標(biāo)，如Y. Wei等人提出假 定跟圖像邊界接觸的圖像塊都是背景，H. Jiang等人將與圖像邊界的對(duì)比度作為學(xué)習(xí)的特 征，C. Yang等人假定圖像的四個(gè)邊界是背景。邊界先驗(yàn)是從背景的角度出發(fā)，指出背景應(yīng) 該具有的特征，進(jìn)而剔除背景而更精確地檢測(cè)出前景。利用這種假設(shè)的一些算法甚至達(dá)到 了最先進(jìn)結(jié)果，這表明邊界先驗(yàn)描述了圖像關(guān)于邊界的空間布局，即使圖像內(nèi)容發(fā)生變化 時(shí)也有很好的穩(wěn)定性和健壯性。然而當(dāng)圖像的目標(biāo)和邊界有一點(diǎn)點(diǎn)接觸，或者目標(biāo)和邊界 具有相似性時(shí)就會(huì)漏檢目標(biāo)，有時(shí)候甚至丟失目標(biāo)。
[0006] 同時(shí)，Borji等人在5個(gè)數(shù)據(jù)集上比較了當(dāng)前最先進(jìn)的算法，他們發(fā)現(xiàn)將已有算法 的一些特征結(jié)合起來(lái)會(huì)增強(qiáng)顯著檢測(cè)的準(zhǔn)確性，因?yàn)椴煌乃惴ㄊ轻槍?duì)不同問(wèn)題建立在不 同假設(shè)上的，它們的結(jié)合可能會(huì)提高顯著檢測(cè)的準(zhǔn)確性。但另一方面，他們的實(shí)驗(yàn)結(jié)果還顯 示簡(jiǎn)單的把特征相結(jié)合有時(shí)也并不能保證提高顯著檢測(cè)的準(zhǔn)確性，這表明那些廣泛使用的 特征之間可能并不能互相補(bǔ)充，相反，甚至是互相排斥的。
[0007] 專利號(hào)201410098280. 4 -種基于前景先驗(yàn)和背景先驗(yàn)的顯著性物體檢測(cè)方法， 提出一種分別從顯著性物體（前景）和背景出發(fā)，結(jié)合各自先驗(yàn)知識(shí)的優(yōu)勢(shì)來(lái)定義對(duì)應(yīng)的 顯著性衡量方式。首先利用對(duì)比先驗(yàn)計(jì)算每個(gè)子區(qū)域的中心周?chē)伾珜?duì)比，然后將該對(duì)比 度值乘以中心先驗(yàn)，平滑后得到基于前景的顯著性圖；同時(shí)利用邊界先驗(yàn)和所定義的八鄰 域縫，動(dòng)態(tài)優(yōu)化找到每個(gè)像素分別到四條邊界的最優(yōu)縫，計(jì)算最優(yōu)縫的成本，以得到基于背 景的顯著性圖；最后按照公式Sal = Stift X5胃胃將前兩步得到的顯著性圖融合，再通過(guò)平滑 得到最終的顯著性圖。
[0008] Peng Jiang 等人的 Salient Region Detection by UFO ：Uniqueness, Focusness and Objectness融合了對(duì)比度特征、Focusness特征及Objectness特征，將代表圖像焦點(diǎn) 的Focusness特征與對(duì)比度特征相加，再乘以代表完整目標(biāo)的Objectness特征，按照公式 S = exp (F+U) X 0形成顯著圖。
[0009] 專利號(hào)201310044869. 1 -種基于顏色對(duì)比和顏色分布的物體顯著性檢測(cè)方法， 計(jì)算顏色對(duì)比顯著性圖、顏色分布顯著性圖，通過(guò)相乘的融合方式，并結(jié)合Meanshift分割 完成精化。
[0010] 專利號(hào)201210311804. 4 -種融合區(qū)域顏色和HOG特征的視覺(jué)顯著性檢測(cè)方法，提 出一種將區(qū)域顏色對(duì)比度顯著圖和區(qū)域紋理對(duì)比度顯著圖通過(guò)二次非線性的方法實(shí)現(xiàn)融 合。
[0011] 專利號(hào)201210451657.0 -種基于底層特征融合的圖像視覺(jué)顯著性計(jì)算方法，通 過(guò)計(jì)算特征的獨(dú)特性和分散性并將它們有效地融合在一起，最終計(jì)算出整幅圖像的顯著性 圖。
[0012] 專利號(hào)201310651864. 5 -種基于區(qū)域的圖像顯著圖提取方法，對(duì)基于全局顏色 直方圖的圖像顯著圖、基于區(qū)域顏色對(duì)比度的圖像顯著圖和基于區(qū)域空間稀疏性的圖像顯 著圖進(jìn)行相乘的融合，得到最終的圖像顯著圖。
[0013] 專利號(hào)201110390185. 8基于非清晰區(qū)域抑制的多特征融合顯著區(qū)域提取方法， 考慮了綜合圖像的低層特征和高層語(yǔ)義特征信息，采用離散度準(zhǔn)則判斷圖像中是否存在清 晰度差異，從而抑制非清晰區(qū)域，從空間域和頻率域角度分別提取低層特征計(jì)算局部和全 局顯著度，用中心聚集化操作綜合二者的優(yōu)勢(shì)，并結(jié)合人臉信息作為高層語(yǔ)義特征增強(qiáng)顯 著性。

【發(fā)明內(nèi)容】

[0014] 本發(fā)明是為克服顏色對(duì)比度先驗(yàn)和邊界先驗(yàn)單一特征的不足，提供一種圖像顯著 目標(biāo)檢測(cè)方法，結(jié)合顏色對(duì)比度先驗(yàn)特征和邊界先驗(yàn)特征形成顯著圖，再利用Objectness 特征進(jìn)行細(xì)化。顏色對(duì)比度先驗(yàn)特征可以彌補(bǔ)邊界先驗(yàn)圖像顯著檢測(cè)中當(dāng)目標(biāo)和邊界有接 觸或者背景和目標(biāo)特征接近時(shí)出現(xiàn)目標(biāo)漏檢的缺點(diǎn)，邊界先驗(yàn)特征可以弱化具有顏色區(qū)別 性但不是目標(biāo)的區(qū)域的顯著性，完整目標(biāo)Objectness特征可以抑制顏色對(duì)比度先驗(yàn)和邊 界先驗(yàn)相加的結(jié)果。
[0015] 本發(fā)明解決技術(shù)問(wèn)題采用如下技術(shù)方案：
[0016] 本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法，依據(jù)公式S= (SJSb) ·θχρ(0)，將按顏色對(duì)比 度先驗(yàn)特征檢測(cè)圖像所形成的顯著圖S。和按邊界先驗(yàn)特征檢測(cè)圖像所形成的顯著圖Sb相 加，再與整個(gè)圖像的Objectness特征的指數(shù)函數(shù)相乘，產(chǎn)生最終的顯著圖S。
[0017] 與已有技術(shù)相比，本發(fā)明有益效果體現(xiàn)在：
[0018] 1、本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法，充分考慮顏色對(duì)比度先驗(yàn)特征與邊界先驗(yàn) 特征之間的互補(bǔ)性及完整目標(biāo)Objectness特征的抑制作用，有效提取顯著目標(biāo)。
[0019] 2、本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法，通過(guò)圖像庫(kù)測(cè)試對(duì)比證明了其有效性以及 在效果上明顯的優(yōu)勢(shì)。
【附圖說(shuō)明】
[0020] 圖1為本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法的流程圖。
[0021] 圖2為本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法使用的所有單一特征與融合特征之間 的顯著性檢測(cè)結(jié)果PR曲線比對(duì)圖。
[0022] 圖3為本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法與現(xiàn)有方法在數(shù)據(jù)集MSRA-1000上的顯 著性檢測(cè)結(jié)果PR曲線比對(duì)圖。
[0023] 圖4為本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法與現(xiàn)有方法在數(shù)據(jù)集CSSD上的顯著性 檢測(cè)結(jié)果PR曲線比對(duì)圖。
[0024] 圖5為本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法與現(xiàn)有方法在數(shù)據(jù)集ECSSD上的顯著性 檢測(cè)結(jié)果PR曲線比對(duì)圖。
[0025] 圖6為本發(fā)明一種圖像顯著目標(biāo)檢測(cè)方法與現(xiàn)有方法的顯著性檢測(cè)結(jié)果質(zhì)量比 較。
[0026] 以下通過(guò)【具體實(shí)施方式】，并結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明，但本發(fā)明的實(shí)施方 式不限于此。
【具體實(shí)施方式】
[0027] 本實(shí)施例一種圖像顯著目標(biāo)檢測(cè)方法，依據(jù)公式S= (Se+Sb) ~χρ(0)，將按顏色對(duì) 比度先驗(yàn)特征檢測(cè)圖像所形成的顯著圖S。和按邊界先驗(yàn)特征檢測(cè)圖像所形成的顯著圖Sb 相加，再與整個(gè)圖像的Objectness特征的指數(shù)函數(shù)相乘，產(chǎn)生最終的顯著圖S，參見(jiàn)圖1。
[0028] 所述按顏色對(duì)比度先驗(yàn)特征檢測(cè)圖像顯著性的方法為：
[0029] 在傳統(tǒng)的多尺度顏色對(duì)比度顯著檢測(cè)方法基礎(chǔ)上，將圖像分割為超像素，每個(gè)超 像素的顯著性定義為：
【主權(quán)項(xiàng)】
1. 一種圖像顯著目標(biāo)檢測(cè)方法，依據(jù)公式s= (St+Sb) -exp(O)，將按顏色對(duì)比度先驗(yàn) 特征檢測(cè)圖像所形成的顯著圖S。和按邊界先驗(yàn)特征檢測(cè)圖像所形成的顯著圖Sb相加，再與 整個(gè)圖像的化jectness特征的指數(shù)函數(shù)相乘，產(chǎn)生最終的顯著圖S。
【專利摘要】為克服圖像顯著目標(biāo)檢測(cè)中顏色對(duì)比度先驗(yàn)和邊界先驗(yàn)單一特征的不足，提供一種圖像顯著目標(biāo)檢測(cè)方法，依據(jù)公式S＝(Sc+Sb)·exp(O)，將按顏色對(duì)比度先驗(yàn)特征檢測(cè)圖像所形成的顯著圖Sc和按邊界先驗(yàn)特征檢測(cè)圖像所形成的顯著圖Sb相加，再與整個(gè)圖像的Objectness特征的指數(shù)函數(shù)相乘，產(chǎn)生最終的顯著圖S。所述圖像顯著目標(biāo)檢測(cè)方法充分考慮顏色對(duì)比度先驗(yàn)特征與邊界先驗(yàn)特征之間的互補(bǔ)性及完整目標(biāo)Objectness特征的抑制作用，有效提取顯著目標(biāo)。
【IPC分類】G06T7-00
【公開(kāi)號(hào)】CN104680546
【申請(qǐng)?zhí)枴緾N201510118787
【發(fā)明人】劉政怡, 王嬌嬌, 郭星, 張以文, 李煒, 吳建國(guó)
【申請(qǐng)人】安徽大學(xué)
【公開(kāi)日】2015年6月3日
【申請(qǐng)日】2015年3月12日