[发明专利]基于区域对比度的图像中显著对象的提取方法

说明书

技术领域

本发明涉及计算机信息、图像处理技术领域，具体地说是涉及一种提取图像中的显著对象的方法。

背景技术

根据心理学以及人类视觉的研究，当人观察一幅图像时，对图像各区域的关注并不平均，从而产生与关注度相对应的显著性图。在大多数情况下，人观察一幅图像时，不会在整个图像上平均分配注意力，而是会将注意力集中在图像中的某个对象，这样的对象被称为显著对象。如果能够自动地将显著对象提取出来，将对图像缩放、图像识别、图像检索等应用领域提供极大的帮助。显著对象提取方法正是在这种背景下应用而生，它旨在准确地提取图像中去除了背景之后的显著对象，例如，Rother等人在2004年美国计算机协会图形学学报中发表了“Grabcut：交互式前景提取用图切割方法”一文，该文利用人工手动画矩形窗，指定候选显著对象区域，再用图切割方法提取显著对象。但因为需要人工手动指定且只能用矩形窗定义显著对象候选区域，限制了该方法的广泛应用。Cheng等人在2011年美国电气电子工程师协会计算机视觉和模式识别会议上发表了 “基于全局对比度的显著性区域检测”一文，该文利用全局颜色对比度和空间区域对比度得到显著性图，然后根据显著性图用迭代Grabcut图切割方法进行图像分割，提取图像中的显著对象，该方法的具体步骤如下：

(1）一个像素的显著性值用该像素和图像中其他像素颜色的对比度来定义，具有相同颜色的像素分配相同的显著性值。

(2）基于直方图统计丢弃出现频率较小的颜色，每个颜色的显著性值被替换为相似颜色显著性值的加权平均。

(3）用基于图的图像分割方法将图像分割成若干区域，利用两个区域重心的欧氏距离，计算空间区域对比度，得到显著性图。

(4）对显著性图取固定阈值，用Grabcut图切割方法进行图像分割。

(5）用膨胀、腐蚀操作图像分割后的结果图，得到新的待分割图，再用Grabcut图切割方法进行图像分割。

(6）重复步骤(5）直到收敛。得到最终的结果图，即提取的显著对象。

Liu等人在2014年美国电气和电子工程师协会的图像处理学报中发表了“显著性树：一个新的显著性检测框架”一文，该文用树形结构的节点表示图像中一个个小区域，通过测量全局对比度、空间稀疏性和对象优先性，合并原始小区域，生成显著性图，最后运用最大类间方差值二值化显著性图，提取图像中的显著对象。该方法提高了显著性图的精确度，但是，该方法中的最大类间方差值方法在提取显著对象时，仍不能完整提取图像中的多个显著对象。Alexe等人在2012年美国电气和电子工程师协会的模式分析与机器智能学报中发表了“测量图像窗中的对象”，该文提出了用图像窗，即矩形窗检测对象的概念和计算方法，通过计算大量矩形窗包含对象的概率，利用贝叶斯公式联合多线索求出显著对象所在区域的位置概率，得到对象概率图。该方法的具体步骤如下：

(1）用频域残差法得到多尺度显著性线索，并产生大量矩形窗。

(2）用颜色空间直方图的卡方距离，计算矩形窗间颜色对比度线索。

(3）用坎尼算子检测边界，得到边缘密度线索。

(4）用基于图的图像分割方法将图像分割成若干区域，根据矩形窗内区域和矩形窗外区域的最小区域差异，得到区域分叉线索。

(5）利用高斯分布估计矩形窗的位置和大小线索。

(6）用贝叶斯公式整合由步骤(1）-(5）得到的线索，计算显著对象所在区域的位置概率，得到对象概率图。

但是。上述方法存在的不足是，该方法只是用矩形窗表示出显著对象的位置概率，而不包含准确的显著对象的轮廓信息，不能准确地提取图像中的显著对象。

综上所述，现有的图像中显著对象的提取的方法，不能准确、完整地提取图像中的显著对象，这影响了显著对象提取的广泛应用。

发明内容

本发明的目的在于针对已有技术中存在的缺陷，提出一种基于区域对比度的图像中显著对象的提取方法，该方法能够较为准确、完整地提取图像中的显著对象。

为了达到上述目的，本发明采用的技术方案如下：

一种基于区域对比度的图像中显著对象的提取方法，其具体步骤如下：

(1)、输入原始图像，原始图像的显著性图记为，原始图像的对象概率图记为；

(2)、计算显著性图和对象概率图的融合系数；

(3)、根据融合系数，计算区域对比度融合图，提取图像中的显著对象。

上述步骤(2)所述的计算显著性图和对象概率图的融合系数，其具体步骤如下：