[发明专利]基于多尺度低秩分解且结构信息敏感的图像显著性物体检测方法有效
申请号: | 201310632546.4 | 申请日: | 2013-12-01 |
公开(公告)号: | CN103700091A | 公开(公告)日: | 2014-04-02 |
发明(设计)人: | 郝爱民;陈程立诏;李帅 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/40 |
代理公司: | 北京科迪生专利代理有限责任公司 11251 | 代理人: | 杨学明;孟卜娟 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 尺度 分解 结构 信息 敏感 图像 显著 物体 检测 方法 | ||
技术领域
本发明涉及到一种基于对图像超像素点的图形热扩散信息进行多尺度低秩分解的图像显著性物体检测方法。
背景技术
九十年代末期至今,针对显著性物体检测的研究已经发展了近15年。该领域涉及对单张含复杂背景图像进行单个、多个显著性物体进行检测。显著性物体检测通常用于图像的预处理阶段,能够帮助后续工作很好的指引出图像场景中的相对有意义的物体,通常应用于图像重定位,图像压缩,视频会议等。近几年来,随着人们对显著性物体特性的逐步理解,显著性物体检测的精度已经得到了很大的提高,并逐渐成为了图像视觉领域最具影响的研究方法之一。
显著性物体检测常用方法通常依赖于建立一种能够区分显著性物体以及非显著性背景的衡量标准,包括局部、全局对比度检测,全局唯一性度量等。遗憾的是,由于图像场景的复杂程度高,始终存在某些特殊的情况,显著性物体和非显著性背景在其特征描述空间存在重叠,导致基于单一的显著性衡量标准的显著性检测方法效果并不理想。因此,近一段时间,人们尝试通过复杂的数学建模的方法,如马尔科夫随机场、能量最小化方程等,同时考虑多种显著性衡量标准来对显著性物体进行检测,其结果是带来了显著性物体检测结果的性能获得了进一步提升。然而,基于多种显著性衡量标准的显著性物体检测方法遇到了瓶颈,即多种不同特征空间的衡量标准的结合所导致的特征空间复杂化,导致某些原本在单一特征空间上很容易区分的显著性物体和非显著性背景变得很难区分,从而使得出现某些极端的错误检测。
为了解决上述问题,本发明采用采用基于等值线上采样点的L2距离的直方图描述方法,使得生成的特征空间能够对显著性物体以及非显著性背景做到很好的区分,并在此特征空间中采用多尺度低秩分解来获得相对完整的显著性物体检测。该方法对显著性物体检测精度高,显著性物体检测完整,适用领域广,抗噪性好等特点。
发明内容
本发明解决的技术问题是:通过采用图形学中几何扩散方法生成一种全新的特征空间,该特征空间能够将局部信息和全局信息有效的结合来对显著性物体以及非显著性背景进行区分;基于该特征空间,采用多尺度低秩分解的方法对显著性物体进行完整且准确的检测。
本发明采用的技术方案为:一种基于多尺度低秩分解且结构信息敏感的图像显著性物体检测方法,其特征在于包括以下四个步骤:
步骤(1)、二维图像到三维体数据的转换:通过对二维图像进行超像素分解,以各超像素中心点,进行Delaunay三角划分,依据三角划分拓扑结构信息,并以超像素中心点RGB均值作为Z轴,最终将二维图像数据转换为三维体数据;
步骤(2)、Biharmonic分布计算:基于步骤(1)中得到的三维体数据,通过构建拉普拉斯矩阵,并对其进行特征值、特征向量分解,从而计算每一个超像素点对应的Biharmonic分布;
步骤(3)、描述子生成阶段:对于每一个超像素点,基于步骤(2)得到的Biharmonic分布结果,计算并形成其对应的Biharmonic等值线,并对各等值线上采样点之间的L2距离进行直方图统计,从而获得各像素点的描述子描述结果;
步骤(4)、多尺度低秩分解阶段:基于步骤(3)生成的超像素多尺度描述结果,对不同尺度下低秩分解得到的稀疏矩阵进行作差,并最终将各残差稀疏矩阵进行求和,得到图像的显著性物体检测结果。
进一步的,步骤(1)中所述的二维图像到三维体数据的转换方法,该方法以超像素分解得到的各超像素中心点作为顶点进行Delaunay三角形划分,然后依据超像素点的平均RGB值作为Z轴,将二维图像拉伸到三维空间。
进一步的,步骤(2)中所述的Biharmonic分布计算时,其拉普拉斯矩阵的构建依赖于步骤(1)中生成的三维体数据拓扑结构信息,然后对拉普拉斯矩阵进行特征值、特征向量分解,并利用谱分析的方法求得每一个超像素点的Biharmonic分布情况。
进一步的,步骤(3)中对各超像素点的描述方法,该方法基于各超像素点的Biharmonic扩散部分,从而计算得到其对应的Biharmonic等值线,并对等值线上的采样点之间的L2距离进行直方图统计,最终将多条等值线的直方图统计结果作为该超像素点的描述。
进一步的,步骤(4)中,首先对于步骤(3)获取的特征空间进行不同预定义秩级的低秩分解,并将相邻的秩级低秩分解得到的稀疏矩阵进行作差,并将得到的残差稀疏矩阵进行求和,得到最终的显著物体检测结果。
本发明的原理在于:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310632546.4/2.html,转载请声明来源钻瓜专利网。