[发明专利]基于显著性密度与边缘响应的显著物体自动检测方法

说明书

技术领域

本发明涉及显著物体自动检测的方法。

背景技术

人类视觉系统总是自动地将注意力集中在显著物体上，这项能力使得我们可以将人脑有限的处理资源分配给图像中重要的部分。显著物体检测已在机器视觉方面有很多成功的应用，现有的显著物体检测方法可以分为两类：第一类方法趋向于找到最有可能包含显著物体的矩形框；第二类方法趋向于应用物体分割方法获得具有很好边缘的显著物体。然而上述两类方法都仅仅运用了显著性这一个属性（显著物体拥有的属性）。在显著性计算过程中，大量的原始图像所具有的可能对检测显著物体有帮助的信息都被不可避免丢失掉，没有充分利用显著物体的边缘属性使得现有的显著物体检测准确度不高。

发明内容

本发明为了解决现有显著物体检测方法中仅利用显著性一个属性而没有考虑显著物体的边缘属性致使显著物体检测准确度不高的问题，而提供基于显著性密度与边缘响应的显著物体自动检测方法。

基于显著性密度与边缘响应的显著物体自动检测方法包括以下步骤：

步骤一、根据结合全局颜色对比和颜色空间分布的区域显著性计算方法，计算并生成输入图像的显著图S；

步骤二、在显著图S上，运用一组Gabor滤波器，生成边缘响应图E；

步骤三、运用最大化显著性密度与边缘响应的分支限界算法在输入图像中高效搜索包含显著物体的全局最优子窗口；

步骤四、将步骤三定位到的最优子窗口作为输入，初始化GrabCut图像分割方法；

步骤五、运行GrabCut图像分割方法，自动提取具有很好边缘的显著物体。

本发明的有益效果是：本发明充分利用显著物体拥有的显著性属性和边缘属性实现了无阈值的显著物体的自动检测，使提取的显著物体具有很好的物体边缘，与传统检测方法相比，本发明方法显著物体检测的准确度提高了10%～15%。

本发明的机理：本发明方法基于以下发现：显著物体内部具有高的显著性，并且显著物体边缘具有强的边缘响应。

附图说明

图1为本发明所述基于显著性密度与边缘响应的显著物体自动检测方法的流程图；图2为本发明方法和现有的显著物体检测方法进行效果对比图。

具体实施方式

具体实施方式一：下面结合图1说明本实施方式，本实施方式所述基于显著性密度与边缘响应的显著物体自动检测方法包括以下步骤：

步骤一、根据结合全局颜色对比和颜色空间分布的显著性计算方法，计算并生成输入图像的显著图S；

步骤二、在显著图S上，运用一组Gabor滤波器，生成边缘响应图E；

步骤三、运用最大化显著性密度与边缘响应的分支限界算法在输入图像中搜索包含显著物体的全局最优子窗口；

步骤四、将步骤三定位到的最优子窗口作为输入，初始化GrabCut图像分割方法；

步骤五、运行GrabCut图像分割方法，自动提取具有很好边缘的显著物体。

本发明的有益效果是：本发明充分利用显著物体拥有的显著性属性和边缘属性实现了无阈值的显著物体的自动检测，使提取的显著物体具有很好的物体边缘，与传统检测方法相比，本发明方法显著物体检测的准确度提高了10%～15%。

具体实施方式二：本实施方式是对具体实施方式一的进一步说明，步骤一中根据结合全局颜色对比和颜色空间分布的区域显著性方法生成输入图像的显著图方法使用的计算公式为：