[发明专利]基于流形排序和随机游走的图像显著性检测方法

摘要

本发明提出了一种基于流形排序和随机游走的图像显著性检测方法，包括如下步骤：S1，获取图像，对该图像进行超像素分割，以超像素为节点构建闭环图模型；S2，基于前景特征进行流形排序得到流形排序前景特征显著图S_MRfg，基于背景特征进行流行排序得到流形排序背景特征显著图S_MRbg；S3，以初始前景特征为种子节点，由随机游走方法获得前景特征显著图S_RWfg；以初始背景特征为种子节点，由随机游走方法获得背景特征显著图S_RWbg；S4，将S_MRfg、S_MRbg、S_RWfg、S_RWbg四个显著图进行结合，得到最终的显著图。本发明获取了较为准确的前景和背景特征，通过显著性计算得到的检测图像准确度非常高。

主权项

1.一种基于流形排序和随机游走的图像显著性检测方法，其特征在于，包括如下步骤：S1，获取图像，对该图像进行超像素分割，以超像素为节点构建闭环图模型；S2，基于前景特征进行流形排序得到流形排序前景特征显著图SMRfg，基于背景特征进行流行排序得到流形排序背景特征显著图SMRbg；S3，以初始前景特征为种子节点，由随机游走方法获得前景特征显著图SRWfg；以初始背景特征为种子节点，由随机游走方法获得背景特征显著图SRWbg；S4，将SMRfg、SMRbg、SRWfg、SRWbg四个显著图进行结合，得到最终的显著图；所述S2包括：基于闭环图模型，将所有节点设为查询节点，相当于直接利用闭环图本身的最优相似度矩阵A，计算每个节点与其他节点的差异和； 在公式f*＝Ay中令y＝[1,1,...,1]T； 以此进行流形排序得到一个显著图SMRfg，该显著图即为考虑全局特征得到各个节点的显著值，计算公式为：SMRfg＝A×[1,1,...,1]T，接下来，对两个显著图分别进行二值化得到前景种子和背景种子，计算得到初始前景fgQuery和初始背景bgQuery，通过如下公式反映了准确的前景特征和背景特征；fgQuery＝Query1∩Query2candidate＝Query1∪Query2‑Query1∩Query2其中，初始前景特征fgQuery，定义为前景种子和背景种子的交集，即两次被标记为显著区域的节点集合；初始背景特征bgQuery，定义为前景种子和背景种子并集的非，即两次被标记为非显著区域的节点集合；候选查询节点candidate，定义为前景种子和背景种子的并集和交集的差，即在两次标记不同的那些节点集合，是待判定为前景或背景的节点；Query1是前景种子，Query2是背景种子，fgQuery∪bgQuery∪candidate＝V，V是所有节点的集合。