專利名稱：基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及顯著物體自動(dòng)檢測(cè)的方法。
背景技術(shù)：
人類視覺(jué)系統(tǒng)總是自動(dòng)地將注意力集中在顯著物體上，這項(xiàng)能力使得我們可以將人腦有限的處理資源分配給圖像中重要的部分。顯著物體檢測(cè)已在機(jī)器視覺(jué)方面有很多成功的應(yīng)用，現(xiàn)有的顯著物體檢測(cè)方法可以分為兩類:第一類方法趨向于找到最有可能包含顯著物體的矩形框；第二類方法趨向于應(yīng)用物體分割方法獲得具有很好邊緣的顯著物體。然而上述兩類方法都僅僅運(yùn)用了顯著性這一個(gè)屬性(顯著物體擁有的屬性)。在顯著性計(jì)算過(guò)程中，大量的原始圖像所具有的可能對(duì)檢測(cè)顯著物體有幫助的信息都被不可避免丟失掉，沒(méi)有充分利用顯著物體的邊緣屬性使得現(xiàn)有的顯著物體檢測(cè)準(zhǔn)確度不高。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有顯著物體檢測(cè)方法中僅利用顯著性一個(gè)屬性而沒(méi)有考慮顯著物體的邊緣屬性致使顯著物體檢測(cè)準(zhǔn)確度不高的問(wèn)題，而提供基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法?；陲@著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法包括以下步驟:步驟一、根據(jù)結(jié)合全局顏色對(duì)比和顏色空間分布的區(qū)域顯著性計(jì)算方法，計(jì)算并生成輸入圖像的顯著圖S ;
步驟二、在顯著圖S上，運(yùn)用一組Gabor濾波器，生成邊緣響應(yīng)圖E ；步驟三、運(yùn)用最大化顯著性密度與邊緣響應(yīng)的分支限界算法在輸入圖像中高效搜索包含顯著物體的全局最優(yōu)子窗口麥；步驟四、將步驟三定位到的最優(yōu)子窗口丨 '作為輸入，初始化GrabCut圖像分割方法;步驟五、運(yùn)行GrabCut圖像分割方法，自動(dòng)提取具有很好邊緣的顯著物體。本發(fā)明的有益效果是:本發(fā)明充分利用顯著物體擁有的顯著性屬性和邊緣屬性實(shí)現(xiàn)了無(wú)閾值的顯著物體的自動(dòng)檢測(cè)，使提取的顯著物體具有很好的物體邊緣，與傳統(tǒng)檢測(cè)方法相比，本發(fā)明方法顯著物體檢測(cè)的準(zhǔn)確度提高了 10% 15%。本發(fā)明的機(jī)理:本發(fā)明方法基于以下發(fā)現(xiàn):顯著物體內(nèi)部具有高的顯著性，并且顯著物體邊緣具有強(qiáng)的邊緣響應(yīng)。


圖1為本發(fā)明所述基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法的流程圖；圖2為本發(fā)明方法和現(xiàn)有的顯著物體檢測(cè)方法進(jìn)行效果對(duì)比圖。
具體實(shí)施方式
具體實(shí)施方式
一:下面結(jié)合圖1說(shuō)明本實(shí)施方式，本實(shí)施方式所述基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法包括以下步驟:步驟一、根據(jù)結(jié)合全局顏色對(duì)比和顏色空間分布的顯著性計(jì)算方法，計(jì)算并生成輸入圖像的顯著圖S ;步驟二、在顯著圖S上，運(yùn)用一組Gabor濾波器，生成邊緣響應(yīng)圖E ；步驟三、運(yùn)用最大化顯著性密度與邊緣響應(yīng)的分支限界算法在輸入圖像中搜索包含顯著物體的全局最優(yōu)子窗口r；步驟四、將步驟三定位到的最優(yōu)子窗口 r作為輸入，初始化GrabCut圖像分割方法;步驟五、運(yùn)行GrabCut圖像分割方法，自動(dòng)提取具有很好邊緣的顯著物體。本發(fā)明的有益效果是:本發(fā)明充分利用顯著物體擁有的顯著性屬性和邊緣屬性實(shí)現(xiàn)了無(wú)閾值的顯著物體的自動(dòng)檢測(cè)，使提取的顯著物體具有很好的物體邊緣，與傳統(tǒng)檢測(cè)方法相比，本發(fā)明方法顯著物體檢測(cè)的準(zhǔn)確度提高了 10% 15%。

具體實(shí)施方式
二:本實(shí)施方式是對(duì)具體實(shí)施方式
一的進(jìn)一步說(shuō)明，步驟一中根據(jù)結(jié)合全局顏色對(duì)比和顏色空間分布的區(qū)域顯著性方法生成輸入圖像的顯著圖方法使用的計(jì)算公式為:Sirli) = I {N(Ssd (rk)) + N(Src (rk)))；⑴式中，參數(shù)N(.)是歸一化操作，S(rk)代表區(qū)域rk的顯著性值，Ssd(rk)代表區(qū)域rk的空間分布顯著值，Src(rk)代表區(qū)域rk的全局顏色對(duì)比顯著值。
具體實(shí)施方式
三:本實(shí)施方式是對(duì)具體實(shí)施方式
一的進(jìn)一步說(shuō)明，步驟二中在顯著圖S上運(yùn)用一組Gabor濾波器生成邊緣響應(yīng)圖E的方法使用的計(jì)算公式為:/:；(/;) = max I (.V * (i; )(p) f ；(2)式中，E(p)代表像素P對(duì)應(yīng)的邊緣響應(yīng)，符號(hào)*代表卷積操作，I.I代表一個(gè)復(fù)數(shù)的模，Gi代表第i個(gè)Gabor濾波器。
具體實(shí)施方式
四:本實(shí)施方式是對(duì)具體實(shí)施方式
一的進(jìn)一步說(shuō)明，步驟三中運(yùn)用最大化顯著性密度與邊緣響應(yīng)的分支限界算法在輸入圖像中搜索包含顯著物體的全局最優(yōu)窗口f方法具體過(guò)程為:(I)將在輸入圖像中搜索包含顯著物體的全局最優(yōu)窗口衆(zhòng)的問(wèn)題轉(zhuǎn)化為尋找最優(yōu)目標(biāo)函數(shù)F (W)所對(duì)應(yīng)的輸入窗口，目標(biāo)函數(shù)F(W)的定義如下:
「00281 W = a1.g max 1- (W)
WcIF(W) =Fe(W).Fd(W) (4)θ[Σ廠⑶_Σ 廠(刈、j
P^WpGW'
Y ,S( P)FAW) = =^---(6)
dA(Wr)
其中I是輸入圖像，妒c J代表代搜索窗口，iT c if是位于W內(nèi)部的一個(gè)嵌套子窗口，F(xiàn)e(W)代表根據(jù)公式(5)計(jì)算得出的子窗口 W邊緣響應(yīng)值，F(xiàn)d(W)代表根據(jù)公式6計(jì)算得出的子窗口 W顯著性密度；(2)由于運(yùn)用分支限界算法的核心在于找到合適的目標(biāo)函數(shù)的上界函數(shù)，定義目標(biāo)函數(shù)F (W)的上界函數(shù)/\矽):
權(quán)利要求
1.基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法，其特征在于它是通過(guò)以下步驟實(shí)現(xiàn)的: 步驟一、根據(jù)結(jié)合全局顏色對(duì)比和顏色空間分布的區(qū)域顯著性計(jì)算方法，計(jì)算并生成輸入圖像的顯著圖S ; 步驟二、在顯著圖S上，運(yùn)用一組Gabor濾波器，生成邊緣響應(yīng)圖E ； 步驟三、運(yùn)用最大化顯著性密度與邊緣響應(yīng)的分支限界算法在輸入圖像中高效搜索包含顯著物體的全局最優(yōu)子窗口r ； 步驟四、將步驟三定位到的最優(yōu)子窗口 r作為輸入，初始化GrabCut圖像分割方法； 步驟五、運(yùn)行GrabCut圖像 分割方法，自動(dòng)提取具有很好邊緣的顯著物體。
2.如權(quán)利要求1所述的基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法，其特征在于步驟一中根據(jù)結(jié)合全局顏色對(duì)比和顏色空間分布的區(qū)域顯著性方法生成輸入圖像的顯著圖方法使用的計(jì)算公式為:
3.如權(quán)利要求2所述的基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法，其特征在于步驟二中在顯著圖S上運(yùn)用一組Gabor濾波器生成邊緣響應(yīng)圖E的方法使用的計(jì)算公式為:
4.如權(quán)利要求3所述的基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法，其特征在于步驟三中運(yùn)用最大化顯著性密度與邊緣響應(yīng)的分支限界算法在輸入圖像中搜索包含顯著物體的全局最優(yōu)窗口f方法具體過(guò)程為: (I)將在輸入圖像中搜索包含顯著物體的全局最優(yōu)窗口爐的問(wèn)題轉(zhuǎn)化為尋找最優(yōu)目標(biāo)函數(shù)F (W)所對(duì)應(yīng)的輸入窗口，目標(biāo)函數(shù)F (W)的定義如下:
5.如權(quán)利要求4所述的基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法，其特征在于步驟四中將步驟三定位到的最優(yōu)子窗口蒙作為輸入初始化GrabCut圖像分割方法為:將最優(yōu)子窗口內(nèi)的像素設(shè)置為可能的前景，將窗口外的其它像素設(shè)置為背景。
6.如權(quán)利要求5所述的基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法，其特征在于步驟五中運(yùn)行GrabCut圖像分割方法，自動(dòng)提取具有很好邊緣的顯著物體，GrabCut圖像分割方法是一個(gè)迭代執(zhí)行GraphCut的圖像分割方法，在本發(fā)明中只需執(zhí)行一次迭代。
7.如權(quán)利要求2所述的基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法，其特征在于步驟一中根據(jù)結(jié)合全局顏色對(duì)比和顏色空間分布的區(qū)域顯著性方法生成輸入圖像的顯著圖方法: (1)區(qū)域rk的空間分布顯著值Ssd(rk)的計(jì)算方法為:
全文摘要
基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法，它涉及顯著物體自動(dòng)檢測(cè)的方法，本發(fā)明要解決現(xiàn)有顯著物體檢測(cè)方法中僅利用顯著性一個(gè)屬性而沒(méi)有考慮顯著物體的邊緣屬性致使顯著物體檢測(cè)準(zhǔn)確度不高的問(wèn)題。本發(fā)明中基于顯著性密度與邊緣響應(yīng)的顯著物體自動(dòng)檢測(cè)方法按以下步驟進(jìn)行根據(jù)結(jié)合全局顏色對(duì)比和顏色空間分布的區(qū)域顯著性計(jì)算方法，計(jì)算并生成輸入圖像的顯著圖S；在顯著圖S上，運(yùn)用一組Gabor濾波器，生成邊緣響應(yīng)圖E；運(yùn)用最大化顯著性密度與邊緣響應(yīng)的分支限界算法在輸入圖像中高效搜索包含顯著物體的全局最優(yōu)子窗口將得到的最優(yōu)子窗口作為輸入，初始化GrabCut圖像分割方法；運(yùn)行GrabCut圖像分割方法，自動(dòng)提取具有很好邊緣的顯著物體。本發(fā)明可應(yīng)用于圖像處理領(lǐng)域。
文檔編號(hào)G06T7/00GK103198489SQ201310152789
公開日2013年7月10日 申請(qǐng)日期2013年4月27日 優(yōu)先權(quán)日2013年4月27日
發(fā)明者牛夏牧, 景慧昀, 韓琦, 李瓊, 王莘 申請(qǐng)人:哈爾濱工業(yè)大學(xué)