[发明专利]一种图像显著性物体检测方法和装置

说明书

技术领域

本发明涉及计算机视觉领域，特别涉及一种图像显著性物体检测方法和装置。 

背景技术

视觉显著性是一个来自于神经科学和生理学的概念，它使吸引人的注意力的区域从人的视场中凸显出来。 

传统的视觉显著性检测方法通常基于局部或者全局的对比分析来计算显著性。基于局部的方法敏感于图像中高对比度的边缘和噪声，从而弱化了物体内的平滑区域，这使得它们更适合检测小物体。在基于全局对比的方法中，基于图像块的方法也趋向于凸出物体的边界而非整个物体区域。虽然基于分割的方法有效地克服了“物体弱化”问题（物体内部被压制），当物体的内部不均匀时，它们仍然很难凸出整个物体。大部分情况下，基于局部的方法和基于全局对比的方法只能检测出物体的某些部分。 

文献“Exploiting local and global patch rarities for saliency detection”（A.Borji and L.Itti.In CVPR,2012）提出用全局的图像块稀有性(图像块在整幅图像中出现的频率)去填充物体的内部区域。然而对大的物体来说,稀有的图像块通常出现在物体和背景的交界处。 

上述的大部分模型是本着检测单个显著性物体而被提出。这些模型的局限使得它们有一定的难度去检测一幅图像中的多个物体。 

与本发明最近似的方法是论文“Automatic salient object segmentation based on context and shape prior”（H.Jiang,J.Wang,Z.Yuan,T.Liu,and N.Zheng.in  Proc.BMVC,2011）。这篇文献的作者把显著性图和物体的形状先验(显著物体有很明显的封闭边界)整合到一个模型中去分割显著物体。这个形状先验是依靠结合显著性和通过边缘检测器得到的物体边界信息而被提取出来的。 

在实现本发明的过程中，发明人发现现有技术至少存在以下问题： 

1.现有显著性检测技术不适合检测小物体；2.当物体内部不均匀时，现有显著性检测技术只能检测出物体的一些部分；3.现有显著性检测技术难以检测一幅图像中的多个显著性物体。 

发明内容

为了解决现有技术存在的问题，本发明实施例提供了一种图像显著性物体检测方法和装置。所述技术方案如下： 

一方面，本发明提供了一种图像显著性物体检测方法，所述方法包括： 

将图像进行拉伸，提取拉伸后的图像中的图像块构成图像块集合，以递归的方式从所述图像块集合中构建出一个随机森林； 

根据所述随机森林对所述图像块集合中的所有图像块进行稀有性分析，得到稀有性图，采用主动轮廓模型提取所述稀有性图中的显著物体轮廓，得到轮廓性图； 

根据所述随机森林计算所述轮廓图中显著物体轮廓内部的图像块和外部的图像块间的相似度，得到精确到物体级别的显著性图； 

将所述精确到物体级别的显著性图重新拉伸到原始图像的大小，对重新拉伸后的图像进行基于图切割的图像分割，得到一个由均匀的图像区域组成的集合，均化每个区域的显著性值，得到最终的显著性图。 

具体地，所述将图像进行拉伸，提取拉伸后的图像中的图像块构成图像块集合具体包括：将图像拉伸到H×H的大小，将拉伸后的图像划分为(H/r)×(H/r)个大小为r×r的图像块，将这些图像块按照从左向右,自上而下的顺序,以无重叠的方式从拉伸的图像中被提取出来，构成图像块集合P={p₁,p₂,…,p_n}，其中H对 r可除。 

具体地，所述以递归的方式从所述图像块集合中构建出一个随机森林具体包括：以递归的方式从所述图像块集合中构建一个由T棵树组成的随机森林F={T₁,…T_T}，随机森林中的每棵树均由分割结点和叶子结点构成,其中，叶子结点具体为不能被继续分割的分割结点； 

进一步地，以递归的方式从所述图像块集合中构建一棵树T_k具体包括： 

A1：在树T_k的分割结点n处,产生两个随机数h₁和h₂，定义d_i(h₁,h₂)=p_i(h₁)-p_i(h₂)；