[发明专利]基于最大邻域和超像素分割的图像显著性目标检测方法

说明书

本发明提出了一种基于最大邻域和超像素分割的图像显著性目标检测方法，用于解决现有技术中图像显著性目标检测准确率低的技术问题。实现步骤为：1.对待检测图像进行超像素分割；2.统计待检测图像中每种颜色出现的频次；3.对待检测图像进行颜色替代；4.对颜色替代后的图像进行预处理；5.计算待检测图像的初始显著性图像；6.确定K个超像素块的显著性值；7.获取最终显著性图像并输出。本发明提高了图像显著性目标检测的准确率，并且可以将图像显著性目标一致高亮，可用于计算机视觉领域中的图像预处理过程。

技术领域

本发明属于计算机图像处理技术领域，涉及一种图像显著性目标检测方法，具体涉及一种基于最大邻域和超像素分割的图像显著性目标检测方法，可用于计算机视觉领域中的图像预处理过程。

背景技术

人类在观察图像时，通常只关注整幅图像中较为显著的一部分。因此，在计算机模拟人类视觉系统时，主要通过检测图像中显著性区域进行模拟。图像显著性目标检测可以提高许多计算机视觉及图像处理算法的性能，具体可用于图像分割、目标识别和图像检索等研究领域。

根据检测原理，图像显著性目标检测可分为基于全局对比的模型、基于背景先验的模型和基于局部对比的模型检测三类，其中基于全局对比的模型是通过对比像素点和全局的特征来计算显著性值，可以减轻不能检测出目标内部的问题，但是当图像前景复杂且外形多变时，该类方法就不能够精确地检测出目标；基于背景先验的模型是通过背景先验，判断待检测图像中的背景信息，然后在计算显著性特征值的时候对检测出的背景信息进行抑制，该类方法可以一定程度上抑制背景的干扰，但是当图像包含复杂的背景和前景区域时，该类方法也不能够得出精确的检测结果。

基于局部对比的模型是通过对比像素点和像素点所在的局部区域特征计算显著性值，可以检测出图像中的小目标，但是对于较大的目标，该类方法只能检测出目标边界，不能够检测出目标内部。例如，申请公开号为CN103996195A，名称为“一种图像显著性检测方法”的专利申请，公开了一种通过融合图像的各种特征值到同一区间范围检测图像特征值的算法。该方法通过对图像进行分块处理，划分为相同大小的图像块，然后计算每一块的亮度特征值、颜色特征值、方向特征值、深度特征值和稀疏特征值；通过将图像块的各特征值量化到同一区间范围，将各特征值融合计算得到各图像块与其余图像块之间的差异值，确定加权系数，将各图像块与其余图像块之间的差异值加权求和计算得到各图像块的显著性值，最终得到图像显著性检测结果。该方法可以为图像子块提供最多的特征值，但是其存在的缺陷是由于通过图像不同子块之间的差异值进行加权得到显著性检测图像，在检测图像中的显著性目标同时也保留了非目标区域，导致最终的显著性检测准确率较低。

又如，Achanta等人在2010年ICIP上发表的文章“Saliency detection usingmaximum symmetric surround”中，利用了图像中像素点的颜色和亮度信息，提出基于最大对称邻域检测图像显著性目标，检测出具有全分辨率的显著性图像，该方法能够检测出显著性目标，但是也无法去除非目标区域，导致检测准确率较低。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出了一种基于最大邻域和超像素分割的图像显著性目标检测方法，旨在提高图像显著性目标检测的准确率。

本发明的技术思路是：在Lab空间下，将每个像素点的颜色向量和与每个像素点所在位置最大邻域内的平均颜色向量差值的二范数作为当前像素点的显著性值，得到待检测图像的初始显著性图像，再通过初始显著性图像和待检测图像的超像素分割结果确定每个超像素块的显著性值，得到待检测图像的最终显著性图像，具体实现步骤为：

(1)对待检测图像进行超像素分割：

对待检测图像进行超像素分割，得到K个超像素块并保存，K≥200；

(2)统计待检测图像中每种颜色出现的频次：