[发明专利]一种复杂背景下结合显著性信息的物体性检测方法

权利要求书

1.一种复杂背景下结合显著性信息的物体性检测方法，其特征在于，步骤为：

(1)、利用SSS显著性检测算法分别获得各个通道在设定的8个高斯核下的显著性图；

(2)、分别计算8个显著性图的Renyi熵值，并标记出显著性图的Renyi熵值变化最大处；

(3)、根据步骤(2)得到的标记处将8幅显著性图分成两部分，并分别在两部分中选出Renyi熵值最小的显著性图；

(4)、将步骤(3)中选取的两张显著性图归一化后叠加作为该通道的最终显著性图；

(5)、重复上述步骤，计算出3个通道各自的最终显著性图；

(6)、将获得的3个通道的最终显著性图与各自对应通道图相乘，并重新组合；

(7)、组合后的图像作为最终的测试图像并利用Bing算法进行物体性检测。

2.根据权利要求1所述的复杂背景下结合显著性信息的物体性检测方法，其特征在于，所述步骤(1)中SSS显著性检测算法的具体步骤为：

(1.1)利用傅里叶变换分别将输入图像的三个通道变换到频域，并求取其对应的幅值谱和相角谱；

(1.2)将幅值谱与8个设定的高斯核因子；进行卷积得到8个新的幅值谱；

(1.3)将新的幅值谱与原来的相角谱傅里叶反变换到时域即为显著性图。

3.根据权利要求2所述的复杂背景下结合显著性信息的物体性检测方法，其特征在于，所述步骤(2)和步骤(3)中计算8个显著性图的Renyi熵值是通过公式：来进行的，并以8个图之间的Renyi熵值斜率变化最大处为界将这8个图划分成两类。

4.根据权利要求3所述的复杂背景下结合显著性信息的物体性检测方法，其特征在于，在所述步骤(4)中，在两类图分别选出Renyi熵值最小的显著性图SalMap_l和SalMap_s，将选取的两张显著性图归一化后叠加作为该通道的最终显著性图SalMap_final；具体的叠加方式为：SalMap_final＝N(SalMap_l+λ*SalMap_s)；其中，N为归一化函数，λ为两类最优显著图的最大值之比：

λ=max(max(SalMapl))max(max(SalMaps)).]]>

5.根据权利要求1～4中任意一项所述的复杂背景下结合显著性信息的物体性检测方法，其特征在于，所述步骤(6)和步骤(7)为进行显著性与物体性的结合，其具体步骤如下：

步骤a.将输入的彩色图像获得的3个通道的最终显著性图与各自对应通道图相乘，并重新组合生成彩色图像；

步骤b.对VOC2007数据库上的图像进行步骤a的处理，并将处理过的部分图片作为Bing检测算法的训练样本，训练出新的物体模型；

步骤c.将获得的物体模型对经过步骤a同样处理的图像进行物体检测。