[发明专利]一种基于背景和前景信息的彩色图像显著性检测方法有效

专利信息
申请号: 201610654316.1 申请日: 2016-08-10
公开(公告)号: CN106327507B 公开(公告)日: 2019-02-22
发明(设计)人: 王正兵;徐贵力;程月华;朱春省;曾大为 申请(专利权)人: 南京航空航天大学
主分类号: G06T7/11 分类号: G06T7/11;G06T7/194;G06K9/32;G06K9/62
代理公司: 南京纵横知识产权代理有限公司 32224 代理人: 董建林
地址: 211106 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于背景和前景信息的彩色图像显著性检测方法,包括以下步骤:对输入的彩色图像进行过分割处理得到一系列超像素块;选取背景种子,通过各超像素块与背景种子之间特征对比获得粗糙显著度;基于背景种子的特征分布定义各超像素块的背景权重,通过背景权重改善粗糙显著度获得基于背景信息的显著度;对上一步形成的基于背景信息的显著图进行分割,在所有分割结果中选取一个紧密的前景区域,提取前景区域特征,通过特征对比获得基于前景信息的显著度;整合前两步获得的基于背景和前景信息的显著度,并进行平滑操作得到所有超像素块优化后的显著度。本发明能够更加一致地突出图像中的前景目标,并且对图像中背景噪声有很好的抑制效果。
搜索关键词: 显著度 前景信息 像素块 彩色图像 背景信息 前景区域 特征对比 显著性 权重 粗糙 图像 背景噪声 分割处理 分割结果 平滑操作 前景目标 特征分布 显著图 检测 整合 分割 优化
【主权项】:
1.一种基于背景和前景信息的彩色图像显著性检测方法,其特征是,包括以下步骤:步骤一,图像预处理:对输入的彩色图像进行过分割处理得到一系列超像素块,将超像素块作为最小处理单元;步骤二,基于背景信息的显著性检测:选取背景种子,通过各超像素块与背景种子之间特征对比获得粗糙显著度;基于背景种子的特征分布定义各超像素块的背景权重,通过背景权重改善粗糙显著度获得基于背景信息的显著度;步骤三,基于前景信息的显著性检测:对上一步形成的基于背景信息的显著图进行分割,在所有分割结果中选取一个紧密的前景区域,提取前景区域特征,通过特征对比获得基于前景信息的显著度;步骤四,显著度的整合:整合前两步获得的基于背景和前景信息的显著度获得整合显著度,并对整合显著度进行平滑操作得到所有超像素块优化后的显著度;在所述步骤二中,获得基于背景信息的显著度的具体过程为:11)选取图像边框处的超像素块作为背景种子,通过图像中各超像素块与背景种子进行特征对比获得各超像素块的粗糙显著度;12)对所选取的背景种子进行K均值聚类,根据每个聚类的空间分布确定各聚类属于背景的概率,第k个聚类中背景种子的背景权重定义如下:Pk=1‑exp(‑α(Ls+Lo)),k=1,2,…,K其中,Ls为包含所有第k个聚类的最短超像素链的长度,Lo为该超像素链中属于其他聚类的超像素块的数量,参数α范围为0.01~0.08,K为选取的聚类中心数;13)对于图像中其他超像素块,首先,计算超像素块与所有背景种子的测地距离,得到与该超像素块测地距离最小的背景种子:其中,BG为背景种子的集合,dgeo(si,sj)为两个超像素块的测地距离;由上一步12)可知该背景种子的背景概率,记该背景种子的背景概率为此超像素块与此背景种子的测地距离为则此超像素块的背景权重为:然后依次计算出各超像素块的背景权重;14)定义超像素块的基于背景信息的显著度为:其中,为超像素块si的基于背景信息的显著度,为步骤11)中计算得到的超像素块si的粗糙显著度。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京航空航天大学,未经南京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201610654316.1/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top