[发明专利]一种应用于静态图像人体分割的显著性检测方法

说明书

技术领域

本发明涉及图像处理领域，尤其是一种应用于静态图像人体分割的显著性检测方法。

背景技术

图像中的显著性区域是指一幅图片中人类视觉中最关注的目标区域。图像显著性检测，作为计算机视觉的一个重要研究课题，是一种通过对图像颜色、强度、方向和边缘等特征对图像中的显著性区域进行分析生成图像显著性图的技术。图像显著性检测生成的显著性图可以用于对相近图像的检索、图像和视频压缩、图像中特定目标的检测、图像及视频分割等许多图像处理领域,从而改善图像处理的性能，促进这些领域的发展。

目前的图像显著性检测算法大多为图像特征显著并且分布集中的区域赋予较高的显著值而为其它区域赋予较低的显著值，以便于后续的图像处理，但是这种方法并不适用于静态图像的人体分割。人体肤色是人体分割不可或缺的一部分，但人体肤色在静态图像中并不显得十分突出，而且肤色分布范围广，在图像显著性检测中显著值不高，故若仍沿用传统的显著性检测方法，在后期人体分割时往往因显著值较低而会把一部分的肤色剔除掉，严重影响了静态图像的人体分割效果。

综上所述，目前业内亟需一种效果好和准确的，适用于静态图像人体分割的显著性检测方法。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种效果好和准确的，应用于静态图像人体分割的显著性检测方法。

本发明解决其技术问题所采用的技术方案是：

一种应用于静态图像人体分割的显著性检测方法，包括：

A、对待检测的静态图像进行超像素分割；

B、对超像素分割后的图像进行人脸检测，获取人脸区域；

C、对人脸区域进行肤色检测，得到肤色信息；

D、根据肤色信息进行颜色独特性计算和颜色空间分布计算，从而得到融入了肤色信息的颜色独特性值以及融入了肤色信息的颜色空间分布值；

E、根据得到的颜色独特性值和颜色空间分布值进行显著图计算，从而得到用于静态图像人体分割的显著图。

进一步，所述步骤A，其具体为：

在CIELab空间中采用改进的SLIC超像素分割算法对待检测的静态图像进行超像素分割，从而根据CIELab空间的测地线图像距离对待检测的静态图像进行K-means聚类，产生尺寸均匀且能保留颜色边界的超像素分割图像。

进一步，所述步骤B，其具体为：

采用adaboost算法对超像素分割后的图像进行人脸检测，从而检测出人脸区域。

进一步，所述步骤C，其具体为：

根据超像素分割的结果对人脸区域进行肤色检测，从而从人脸区域中选出最大的超像素作为肤色信息。

进一步，所述步骤D，其包括：

根据肤色信息进行颜色独特性计算，从而得到融入了肤色信息的颜色独特性值；

根据肤色信息进行颜色空间分布计算，从而得到融入了肤色信息的颜色空间分布值。

进一步，所述根据肤色信息进行颜色独特性计算，从而得到融入了肤色信息的颜色独特性值这一步骤，其包括：

D11、计算肤色信息融入前的颜色独特性值，所述肤色信息融入前的颜色独特性值Ui0的计算公式为：

其中，N为超像素的总个数，Pi和Pj分别为第i和第j个超像素的位置， Ci和Cj分别为第i和第j个超像素位置在CIELab颜色空间的颜色值，||Ci-Cj||为Ci和Cj这两个像素位置的距离，w(Pi,Pj)为局部-全局的对比权重，Zi为第一归一化因子，Zi使得成立，σ_p²为高斯位置方差；

D12、计算肤色信息融入后的颜色独特性值，并以肤色信息融入后的颜色独特性值作为融入了肤色信息的颜色独特性值，所述融入了肤色信息的颜色独特性值Ui的计算公式为：

其中，k1为独特性增加权重,Uj0为第j个超像素位置在肤色信息融入前的颜色独特性值，Cs为肤色颜色的平均值，w1(Ci,Cs)表示超像素颜色值接近肤色颜色值的独特性权重，||Ci-Cs||为Ci和Cs这两个像素位置的距离,σ₁²为高斯颜色值方差。

进一步，所述根据肤色信息进行颜色空间分布计算，从而得到融入了肤色信息的颜色空间分布值这一步骤，其包括：

D21、计算肤色信息融入前的颜色空间分布值，所述肤色信息融入前的颜色空间分布值Di0的计算公式为：