[发明专利]基于扩散距离高置信度信息的图像显著性物体检测方法

说明书

本发明涉及一种基于扩散距离高置信度信息的图像显著性物体检测方法，属于计算机图像处理中显著性检测技术领域。首先计算图像的超像素，并在图像空间和特征空间构建图，在不同的扩散时间下，基于图计算每个超像素到图像边界的最小扩散距离，得到多尺度显著性图，将多尺度显著性图加权融合得到高置信显著性图，同时利用基于最小生成树的实时显著性物体检测方法得到距离图；之后从高置信前景图和距离图中提取初始化信息，迭代地使用抓割方法得到显著性物体图，并在每次迭代过程中改善初始化信息，从而逐步得到准确的显著性物体检测结果。本方法增强了检测结果对噪声的鲁棒性，可从图像中提取出既准确又完整的显著性物体。

技术领域

本发明涉及一种基于扩散距离高置信度信息的图像显著性物体检测方法，属于计算机图像处理中显著性检测技术领域。

背景技术

图像显著性物体检测方法是提取图像中最引人注意物体的一种有效手段。图像显著性物体自动检测方法通过计算图像中物体的外观对比度或与背景外观的差异性来衡量物体的显著性，在此基础上还可进一步对检测结果后处理，利用优化方法增强检测结果的结构连续性，进而提高检测效果。按是否使用了后处理优化分类，现有的图像显著性物体自动检测方法的几种类型及相应存在的问题如下：

1、不使用后处理优化的方法通常需要计算图像中物体的外观与其他区域的对比度或者到背景的距离来衡量物体显著性。这些方法计算速度较快，但由于缺少全局信息，通常会受到噪声的影响。

2、使用后处理优化的方法在科研领域十分流行。它凭借在优化过程中维持图像的结构信息增强了噪声鲁棒性。但这类方法初始化信息对前景和背景的表达能力较弱且通常包含噪声，这些缺陷有可能严重削弱优化的效果。

不使用后处理优化的方法存在对噪声敏感的问题，而后处理优化方法的初始化信息置信度不高，对前景和背景的表达能力较弱且通常包含噪声。如何提高后处理优化方法的初始化信息置信度仍然是一个亟待解决的问题。

发明内容

本发明的目的是提出一种基于扩散距离高置信度信息的图像显著性物体检测方法，利用扩散距离的多尺度性质提取高置信度前景信息，以增强检测结果的准确性和对噪声的鲁棒性，并减少计算迭代次数，从图像中提取出兼顾准确性和完整性的显著性物体。

本发明提出的基于扩散距离高置信度信息的图像显著性物体检测方法，包括以下步骤：

(1)利用超像素方法将待检测图像分割成N个超像素，分别构建特征空间图结构和图像空间图结构，具体过程如下：

(1-1)利用超像素方法将待检测图像分割成N个超像素；

(1-2)设上述N个超像素中的任意一个超像素的颜色特征为超像素中所有像素的平均lab颜色，记为c，设上述N个超像素中的任意一个超像素的位置特征为超像素中所有像素在图像空间中的平均位置，记为s；建立一个由上述平均lab颜色和上述平均位置组成的特征空间，利用下式，计算该特征空间中第i个超像素和第j个超像素之间的亲和度a(i,j)：

其中，σ_c和σ_s分别为颜色约束系数和空间约束的系数，c_i和c_j分别表示第i个超像素的平均lab颜色和第j个超像素的平均lab颜色，s_i和s_j分别表示第i个超像素的平均位置和第j个超像素的平均位置，e为自然对数；

以上述N个超像素为节点，根据上述亲和度a(i,j)，构建一个特征空间图结构，该图结构中的每个超像素与亲和度最大的8个超像素相连，特征空间图结构的边权重为a(i,j)；