[发明专利]基于背景先验和前景节点的感兴趣区域检测方法

说明书

技术领域

本发明涉及一种基于背景先验和前景节点的感兴趣区域检测方法，该方法对与背景对比度不同、背景复杂度不同的感兴趣区域以及不同面积的感兴趣区域的图像都具有很好的检测效果，本发明作为图像预处理过程，可以被广泛的应用到视觉跟踪、图像分类、图像分割和目标重定位等视觉工作领域。

背景技术

随着信息科技的快速发展与推广，图像数据成为人类重要信息来源之一，人们所接收的信息量呈指数级增长，如何在海量的图像信息中筛选出人类感兴趣的目标区域具有重要研究意义。研究发现，在复杂场景下，人类视觉处理系统会将视觉注意力集中在该场景的少数几个对象，也称为感兴趣区域。感兴趣区域与人类视觉感知关系较为密切，具有一定的主观性。感兴趣区域检测作为图像预处理过程，可以被广泛的应用到视觉跟踪、图像分类、图像分割和目标重定位等视觉工作领域。

感兴趣区域检测方法分为自上而下和自下而上两种。自上而下的检测方法^[1，2，3]是任务驱动型的，需要人工标注真值图进行监督训练，融入更多的人类感知(例如中心先验信息、色彩先验信息和语义先验信息等等)得到显著图。而自下而上的方法^[4-10]是数据驱动型，更注重于利用对比度、位置和纹理等图像特征得到显著图。最早的研究者Itti等人[4]提出一种基于局部对比度的空间域视觉模型，使用由中心向四周变化的图像差异性得到显著图。Cheng等人^[5]提出了基于直方图计算全局对比度的方法。Perazzi等人^[6]引进了一种将显著性检测看作滤波的思想，提出了saliency filters方法。Achanta等人^[7]提出基于图像频域计算显著度的Ft算法。Ruhtu等人^[8]提出基于贝叶斯框架的方法。还有一些研究者基于信息论的观点，提出相位谱法和谱残差法。近来，Wei等人^[9]提出了利用背景先验知识得到显著图。文献[10]通过流行排序的方法，将图像边界作为背景种子，对其他相关区域进行排序，构造显著图。自下而上的检测方法大部分利用的是对比度原则。此类方法中，有些方法是直接计算目标的显著性，也称为“前景优先”。基于前景优先的方法能够获得感兴趣区域，在部分图像上取得了不错的效果，但同时也存在诸多问题，例如，高显著性值大多集中在对比度较高的边缘部分，物体内部显著性值较低，故感兴趣区域显著度不突出，或者提取的感兴趣区域不完整。与“前景优先”相对应的便是“背景优先”，基于“背景优先”的检测方法主要是利用背景先验知识得到显著图，图像边缘有很大的可能成为背景，这种检测方法对大多数图像还是有效的，可以突出前景目标，得到较好的结果。但是基于背景优先的方法将边界上的所有像素归为背景是不合理的，如果目标物体出现在边缘，则会直接导致结果偏差较大；另外，仅仅利用边界信息也具有一定的局限性。

目前感兴趣区域检测的主要问题是感兴趣区域不突出，背景噪声得不到较好的抑制。本发明提出基于背景先验和前景节点的感兴趣区域检测方法，基于背景的显著图可以突出目标物体，基于前景节点的显著图可以抑制背景噪声，检测到的感兴趣区域准确有效。

参考文献：

[1]Marchesotti L，Cifarelli C，Csurka G.A framework for visual saliency detection with applications to image thumbnailing[C]IEEE International Conference on Computer Vision， 2010，30(2)：2232-2239.

[2]Yang J，Yang M H.Top-down visual saliency via joint CRF and dictionary learning[C] IEEE International Conference on Computer Vision，2012，157(10)：2296-2303.

[3]Ng A Y，Jordan M I，Weiss Y.On Spectral Clustering：Analysis and an algorithm[J]. Proceedings of Advances in Neural Information Processing Systems，2002，14：849--856.