[发明专利]基于多尺度分割的显著性检测方法

权利要求书

1.基于多尺度分割的显著性目标检测方法，包括：

步骤1：利用双边滤波参数对输入图像进行双边滤波平滑处理得到平滑图像，并对平滑图像进行不同分割尺度的超像素分割；根据分割得到的所有超像素，计算得到全局平滑度；所述的全局平滑度用S表示，令|T|表示多分割尺度的整数集合，在每个尺度t_i∈T下分割图像时的超像素数的数量为k，c_i,j(＝{l,a,b})是超级像素的像素特征，以CIELab颜色空间为基础，所有c_i,j的特征向量在相应的超级像素中：对于在不同尺度序号i分割图像中的第j个超级像素，测量其中的局部平滑度该超像素区域通过计算所有k个超级像素色差的和，即对于图像中的所有超级像素，全局平滑度由S表示：再利用自适应算法函数：F＝arg min_σr∈R(S+δσ_r)；使用常数实数δ，将两个分量S和σ_r保持在相同的数量级，求解得到尺度为t_i的双边滤波参数σ_r的适当值；

将全局平滑度与双边滤波参数结合，构建以分割效果为目标的自适应算法函数，求解不同尺度下的双边滤波参数，得到最优的平滑图像中的超像素点；

步骤2：利用目标似然图技术来获得初始前景种子，并使用图像的边界作为初始背景种子，通过交叉验证法，从初始前景种子和初始背景种子中选择背景种子和前景种子，并生成基于背景的RBB显著图和基于前景的RFB显著图；所述的交叉验证方式包括以下步骤：

步1：使用目标似然图技术来获得初始前景种子，并使用图像的边界作为初始背景种子；

步2：is^j是第j个初始背景种子，isⁱ第i个初始前景种子；对于每个初始背景或前景种子，包括两种特征信息：CIELab颜色空间中的颜色，即{l，a，b}和{x，y}表示在欧氏空间的位置：由表示颜色特征，和表示位置特征；

步3：设定图像中有m个初始背景种子；让表示每个背景种子和所有前景种子差异和：

其中表示颜色差异信息，表示位置差异信息，θ是位置差异信息的权重参数；的值作为背景种子is_b的信用评分，得到n个信用评分，n个初始背景种子的集合数字：

删除部分信用分数较低的初始背景种子，得到所需的背景种子

步骤3：利用权重方法，计算步骤1得到超像素点的尺度权重，并计算步骤2的到背景种子和前景种子的种子权重；并用尺度权重和种子权重来合并步骤2得到的RBB显著图和RFB显著图，最终获得显著图；获得最终显著图中的每个像素的方法：

令c(p)＝{l,a,b}^T，∑_p表示包含在超像素p内的所有像素；

首先，对于每个尺度t_i，计算超像素p的尺度权重scw_i(p)：

其中是∑_p{l,a,b}^T的平均特征向量，ε是任意的小常数；在第2步骤：从初始前景种子和初始背景种子中获得了m′前景种子或n′个背景种子：

表示为前景种子或背景种子中的所有像素；

对于每个尺度t_i，计算像素p的种子权重sew_i(p)：

其中表示：

的平均特征向量；

令V(p)表示像素p的最终显著值，合并尺度权重和种子权重，计算公式如下：

其中表示像素p在第i个RBB或RFB显著图中的值。