[发明专利]一种基于最小生成树的视频显著对象检测方法

权利要求书

1.一种基于最小生成树的视频显著对象检测方法，其特征在于，包括以下步骤：

步骤A、对输入图像进行超像素分割，计算每个超像素到边界的距离，并构造图像的最小生成树；将建立的图像最小生成树距离变换规则和利用快速轮廓检测方法提取的外轮廓信息结合，提取获得初步显著图；

步骤B、利用模糊色差直方图特征对步骤A所得初步显著图的非固定外轮廓进行模糊处理，得到轮廓清晰的显著图；

步骤C、对步骤B所得轮廓清晰的显著图中显著对象采用适应于行人窗口的采样特征网格的多尺度检测，得到最终显著图。

2.根据权利要求1所述基于最小生成树的视频显著对象检测方法，其特征在于，所述步骤A中建立图像最小生成树距离变换规则采用自底向上遍历和自顶向下遍历。

3.根据权利要求1所述基于最小生成树的视频显著对象检测方法，其特征在于：所述步骤A中利用快速轮廓检测方法提取外轮廓信息，具体为：

将输入图像分解成若干分量；

对每个分量执行形态学算子生成具有轮廓信息的区域；

计算每个区域的轮廓，及选取最大的轮廓后计算其中每个像素的显著性。

4.根据权利要求1所述基于最小生成树的视频显著对象检测方法，其特征在于，所述步骤B中建立模糊色差直方图特征，具体为：

将图像色彩强度I量化为W级，在局部相邻区域中计算色彩差分；

将所述色彩差分经过高斯成员函数进行模糊化，及在局部区域计算色彩差分直方图；

利用模糊c-means聚类和色彩差分直方图形成模糊色彩差分直方图特征。

在显著目标的外轮廓应用模糊色彩差分直方图的方法，得到轮廓清晰的显著性目标。

5.根据权利要求3所述基于最小生成树的视频显著对象检测方法，其特征在于：所述每个区域的轮廓采用公式计算：

$S_i\left(r\right)=\frac{{\Σ}_{x\∈r_0}E\left(x\right)}{\left|r_0\right|}$

其中，r₀是区域r的外轮廓，|r₀|是r₀轮廓的长度，并且E(x)是像素x的轮廓置信度。