[发明专利]图像显著性物体检测方法和装置

说明书

本申请提供了一种图像显著性物体检测方法与装置。该方法包括：分别对待处理图像进行至少两个卷积层对应的卷积处理，得到待处理图像的至少两个第一特征图，至少两个第一特征图的分辨率小于待处理图像的分辨率，至少两个第一特征图中的任意两个第一特征图的分辨率不同；对至少两个集合中的叠加集合中包含的至少两个第一特征图进行叠加处理，从而得到待处理图像的至少两个第二特征图，其中，至少两个集合分别对应不同的分辨率，至少两个集合与至少两个第二特征图一一对应，叠加集合中包含的第一特征图的分辨率小于等于叠加集合对应的第二特征图的分辨率；对至少两个第二特征图拼接，得到显著性图。本申请能提高显著性物体检测的效果。

技术领域

本申请涉及计算机图像处理领域，并且更具体地，涉及一种图像显著性物体检测方法和装置。

背景技术

显著性物体检测是从图像中检测出最能够引起人眼视觉注意的物体区域的过程。现有的图像显著性物体检测方法是在现有卷积神经网络架构的基础上，对卷积神经网络架构进行微调从而实现对图像的显著性物体检测。具体地，如图1所示，卷积神经网络架构中的每个卷积层后面都连接有一个侧输出层，所有的侧输出层的后面共同连接一个融合层。在对图像进行处理时，待处理图像经过卷积层后分别输出不同分辨率的特征图，接下来，不同分辨率的特征图再分别经过侧输出层简单采样处理后得到侧输出特征图，最后融合层将从不同层次得到的侧输出特征图进行求和，得到待处理图像的显著性检测结果，进而实现对图像的显著性物体检测。但是由于不同侧输出层的侧输出特征图的显著性检测图像相差较大(浅层的特征图过于杂乱，深层提取到的特征图缺乏规律性)，因此，在融合层直接将不同层次的侧输出特征图进行简单融合，那么最终得到的待处理图像的显著性检测结果并不理想。

发明内容

本申请提供一种图像显著性物体检测方法和装置，以提高图像显著性物体检测的效果。

第一方面，提供了一种图像显著性物体检测方法，所述方法包括：分别对待处理图像进行至少两个卷积层对应的卷积处理，得到所述待处理图像的至少两个第一特征图，所述至少两个第一特征图的分辨率小于所述待处理图像的分辨率，所述至少两个第一特征图中的任意两个第一特征图的分辨率不同；对至少两个集合中的叠加集合中包含的至少两个第一特征图进行叠加处理，从而得到所述待处理图像的至少两个第二特征图，其中，所述至少两个集合分别对应不同的分辨率，所述至少两个集合与所述至少两个第二特征图一一对应，所述叠加集合中包含的第一特征图的分辨率小于或者等于所述叠加集合对应的第二特征图的分辨率；对所述至少两个第二特征图进行拼接，从而得到所述待处理图像的显著性图。

在通过卷积处理得到了至少两个第一特征图之后，本申请不是像现有技术那样直接将该至少两个第一特征图进行叠加处理来得到最终的显著性图，而是先按照分辨率确定至少两个集合，并对其中的叠加集合中的包含的特征图进行叠加，然后再对各个集合得到的第二特征图进行拼接处理，以得到待处理图像的显著性图，而且在进行叠加和拼接的过程中，充分考虑了不同分辨率的特征图的特点，能够得到效果更好的显著性图。

具体地，例如，在对某个叠加集合中包含的至少两个第一特征图进行叠加处理时，可以根据该叠加集合中的较低分辨率的第一特征图来帮助定位较高分辨率的第一特征图的最显著的区域，另外，也可以根据较高分辨率的第一特征图来改进较低分辨率的第一特征图的稀疏和不规则性，这样最终对该叠加集合中的至少两个第二特征图叠加处理得到的第二特征图就能够较好地显示图图像中的显著性区域，接下来再对至少两个集合叠加处理后得到的至少两个第二特征图进行拼接后就能得到效果较好的显著性图。

应理解，上述叠加集合可以是指至少两个集合中包括至少两个第一特征图的集合，另外，上述至少两个集合除了包含叠加集合之外还可以包含其它集合，例如，上述至少两个集合中也可以包含仅有一个第一特征图的集合。当某个集合中仅包含一个第一特征图时，不对该集合中包含的第一特征图进行叠加，而是直接可以将该第一特征图确定为该集合对应的第二特征图。

还应理解，上述至少两个集合中的每个集合对应的分辨率可以是指对该集合中的第一特征图进行叠加处理后得到的第二特征图的分辨率。