[发明专利]图像显著性检测方法和装置

说明书

本发明公开了一种图像显著性检测方法和装置。其中，该方法包括：对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合前景显著性图像和背景显著性图像，得到初始显著性图像。本发明解决了现有技术中对图像的显著性检测结果不够精确的技术问题。

技术领域

本发明涉及图像处理领域，具体而言，涉及一种图像显著性检测方法和装置。

背景技术

在面对一个复杂场景时，人眼的注意力会迅速集中在少数几个显著的视觉对象上，并对这些对象进行优先处理，该过程被称为视觉显著性。显著性检测正是利用人眼的这种视觉生物学机制，用数学的计算方法模拟人眼对图像进行适当的处理，从而获得一张图片的显著性物体。由于我们可以通过显著性区域来优先分配图像分析与合成所需要的计算资源，所以，通过计算来检测图像的显著性区域意义重大。

显著性检测的任务是确定一个场景中最重要和最有信息的部分。它可以应用于众多的计算机视觉应用，包括图像检索、图像压缩、内容感知图像编辑和物体识别等方面。显著性检测方法通常可以分为自下而上模型和自上而下模型，自下而上的方法是数据驱动的，没有预先训练，而自上向下的方法是任务驱动的，通常使用带注释的数据进行预先训练。

与自然图像识别的眼动预测模型不同，显著物体检测模型的目的是突出显示边界清晰的显著物体，这对于许多高层次的视觉任务是有用的。应用前景先验可以明确提取图像中的显著性物体，这一先验已经被广泛应用于过去几年的研究成果中，但单纯依靠它却无法突出整个显著的物体。另一种有效的显著性物体检测模型是利用图像中的背景先验，隐式地从中检测显著性物体。通过假设大部分图像的窄边界为背景区域，可以利用背景先验信息来计算显著性图。但也会产生问题，因为与边界区域不同的图像元素并不总是属于显著性的物体。

综合来看，现有的图像显著性物体检测方法在检测显著性物体时精准度不高，方法健壮性不够强，容易造成误检、漏检等情况，很难得到一个精确的图像显著性检测结果，不仅造成显著性物体本身的错检，同时也会对利用显著性检测结果的应用造成一定的误差。

针对上述现有技术中对图像的显著性检测结果不够精确的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像显著性检测方法和装置，以至少解决现有技术中对图像的显著性检测结果不够精确的技术问题。

根据本发明实施例的一个方面，提供了一种图像显著性检测方法，包括：对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合前景显著性图像和背景显著性图像，得到初始显著性图像。

根据本发明实施例的另一方面，还提供了一种图像显著性检测装置，包括：第一计算模块，用于对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合模块，用于融合前景显著性图像和背景显著性图像，得到初始显著性图像。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述图像显著性检测方法。

根据本发明实施例的另一方面，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述图像显著性检测方法。

在本发明实施例中，通过对初始图像进行前景先验的显著性计算，得到前景显著性图像；对初始图像进行背景先验的显著性计算，得到背景显著性图像；融合前景显著性图像和背景显著性图像，得到初始显著性图像，本发明同时利用了前景和背景先验进行显著性物体检测，从而实现了增加显著性物体检测的精准性，增强显著性检测的鲁棒性，使图像中的显著性区域更精准地显现出来，为后期的目标识别和分类等应用提供精准且有用的信息，并适用于更多复杂的场景，使用范围更广的技术效果，进而解决了现有技术中对图像的显著性检测结果不够精确的技术问题。