一種圖像顯著性物體檢測方法和裝置制造方法及圖紙

本發(fā)明專利技術(shù)公開了一種圖像顯著性物體檢測方法和裝置，屬于計算機視覺領(lǐng)域。所述方法包括：根據(jù)圖像構(gòu)建一個隨機森林，根據(jù)所述隨機森林用全局的圖像塊稀有性捕捉顯著物體的近似輪廓，將圖像分為輪廓內(nèi)和輪廓外兩部分；通過度量內(nèi)外部圖像塊的對比度來壓制與輪廓外部相似的內(nèi)部圖像塊，凸顯與輪廓內(nèi)部相似的外部圖像塊；最后使用基于圖切割的圖像分割修飾局部圖。采用本發(fā)明專利技術(shù)提供的圖像顯著性物體檢測方法可以檢測圖像中任何大小的物體，并且能夠?qū)崿F(xiàn)物體的完整精確檢測，同時，采用本發(fā)明專利技術(shù)提供的圖像顯著性物體檢測方法可以檢測出單幅圖像中的多個顯著物體。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)涉及計算機視覺領(lǐng)域，特別涉及一種圖像顯著性物體檢測方法和裝置。?
技術(shù)介紹
視覺顯著性是一個來自于神經(jīng)科學(xué)和生理學(xué)的概念，它使吸引人的注意力的區(qū)域從人的視場中凸顯出來。?傳統(tǒng)的視覺顯著性檢測方法通常基于局部或者全局的對比分析來計算顯著性。基于局部的方法敏感于圖像中高對比度的邊緣和噪聲，從而弱化了物體內(nèi)的平滑區(qū)域，這使得它們更適合檢測小物體。在基于全局對比的方法中，基于圖像塊的方法也趨向于凸出物體的邊界而非整個物體區(qū)域。雖然基于分割的方法有效地克服了“物體弱化”問題（物體內(nèi)部被壓制），當(dāng)物體的內(nèi)部不均勻時，它們?nèi)匀缓茈y凸出整個物體。大部分情況下，基于局部的方法和基于全局對比的方法只能檢測出物體的某些部分。?文獻“Exploiting?local?and?global?patch?rarities?for?saliency?detection”（A.Borji?and?L.Itti.In?CVPR,2012）提出用全局的圖像塊稀有性(圖像塊在整幅圖像中出現(xiàn)的頻率)去填充物體的內(nèi)部區(qū)域。然而對大的物體來說,稀有的圖像塊通常出現(xiàn)在物體和背景的交界處。?上述的大部分模型是本著檢測單個顯著性物體而被提出。這些模型的局限使得它們有一定的難度去檢測一幅圖像中的多個物體。?與本專利技術(shù)最近似的方法是論文“Automatic?salient?object?segmentation?based?on?context?and?shape?prior”（H.Jiang,J.Wang,Z.Yuan,T.Liu,and?N.Zheng.in??Proc.BMVC,2011）。這篇文獻的作者把顯著性圖和物體的形狀先驗(顯著物體有很明顯的封閉邊界)整合到一個模型中去分割顯著物體。這個形狀先驗是依靠結(jié)合顯著性和通過邊緣檢測器得到的物體邊界信息而被提取出來的。?在實現(xiàn)本專利技術(shù)的過程中，專利技術(shù)人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題：?1.現(xiàn)有顯著性檢測技術(shù)不適合檢測小物體；2.當(dāng)物體內(nèi)部不均勻時，現(xiàn)有顯著性檢測技術(shù)只能檢測出物體的一些部分；3.現(xiàn)有顯著性檢測技術(shù)難以檢測一幅圖像中的多個顯著性物體。?
技術(shù)實現(xiàn)思路
為了解決現(xiàn)有技術(shù)存在的問題，本專利技術(shù)實施例提供了一種圖像顯著性物體檢測方法和裝置。所述技術(shù)方案如下：?一方面，本專利技術(shù)提供了一種圖像顯著性物體檢測方法，所述方法包括：?將圖像進行拉伸，提取拉伸后的圖像中的圖像塊構(gòu)成圖像塊集合，以遞歸的方式從所述圖像塊集合中構(gòu)建出一個隨機森林；?根據(jù)所述隨機森林對所述圖像塊集合中的所有圖像塊進行稀有性分析，得到稀有性圖，采用主動輪廓模型提取所述稀有性圖中的顯著物體輪廓，得到輪廓性圖；?根據(jù)所述隨機森林計算所述輪廓圖中顯著物體輪廓內(nèi)部的圖像塊和外部的圖像塊間的相似度，得到精確到物體級別的顯著性圖；?將所述精確到物體級別的顯著性圖重新拉伸到原始圖像的大小，對重新拉伸后的圖像進行基于圖切割的圖像分割，得到一個由均勻的圖像區(qū)域組成的集合，均化每個區(qū)域的顯著性值，得到最終的顯著性圖。?具體地，所述將圖像進行拉伸，提取拉伸后的圖像中的圖像塊構(gòu)成圖像塊集合具體包括：將圖像拉伸到H×H的大小，將拉伸后的圖像劃分為(H/r)×(H/r)個大小為r×r的圖像塊，將這些圖像塊按照從左向右,自上而下的順序,以無重疊的方式從拉伸的圖像中被提取出來，構(gòu)成圖像塊集合P={p1,p2,…,pn本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種圖像顯著性物體檢測方法，其特征在于，所述方法包括：將圖像進行拉伸，提取拉伸后的圖像中的圖像塊構(gòu)成圖像塊集合，以遞歸的方式從所述圖像塊集合中構(gòu)建出一個隨機森林；根據(jù)所述隨機森林對所述圖像塊集合中的所有圖像塊進行稀有性分析，得到稀有性圖，采用主動輪廓模型提取所述稀有性圖中的顯著物體輪廓，得到輪廓性圖；根據(jù)所述隨機森林計算所述輪廓圖中顯著物體輪廓內(nèi)部的圖像塊和外部的圖像塊間的相似度，得到精確到物體級別的顯著性圖；將所述精確到物體級別的顯著性圖重新拉伸到原始圖像的大小，對重新拉伸后的圖像進行基于圖切割的圖像分割，得到一個由均勻的圖像區(qū)域組成的集合，均化每個區(qū)域的顯著性值，得到最終的顯著性圖。

【技術(shù)特征摘要】
1.一種圖像顯著性物體檢測方法，其特征在于，所述方法包括：
將圖像進行拉伸，提取拉伸后的圖像中的圖像塊構(gòu)成圖像塊集合，以遞歸
的方式從所述圖像塊集合中構(gòu)建出一個隨機森林；
根據(jù)所述隨機森林對所述圖像塊集合中的所有圖像塊進行稀有性分析，得
到稀有性圖，采用主動輪廓模型提取所述稀有性圖中的顯著物體輪廓，得到輪
廓性圖；
根據(jù)所述隨機森林計算所述輪廓圖中顯著物體輪廓內(nèi)部的圖像塊和外部的
圖像塊間的相似度，得到精確到物體級別的顯著性圖；
將所述精確到物體級別的顯著性圖重新拉伸到原...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳世峰，杜書澤，
申請(專利權(quán))人：中國科學(xué)院深圳先進技術(shù)研究院，
類型：發(fā)明
國別省市：廣東;44