[发明专利]一种基于多图优化和稀有特性的显著目标检测方法

说明书

本发明公开了一种基于多图优化和稀有特性的显著目标检测方法，包括如下步骤：使用SLIC算法将图像过分割成超像素，计算各超像素的位置和颜色特征；将超像素定义为图的结点，根据超像素的位置和颜色特征分别构造两个不同的图，用于描述输入图像；基于图中结点的度，计算超像素的稀有特性；基于图像边缘超像素和所构造的图，获取种子结点信息；提出多图优化框架，融合所构造的多图、各超像素的稀有特性和种子结点信息，检测出自然场景图像中的显著目标。本发明充分考虑人眼有效的视觉稀有特性，有助于提高复杂自然场景图像中显著目标检测的性能；本发明与其他十五种显著目标检测方法进行比较，验证了该方法检测结果与数据库中的真值图更加一致。

技术领域

本发明涉及图像处理技术领域，尤其是一种基于多图优化和稀有特性的显著目标检测方法。

背景技术

随着信息技术的快速发展，数码图像采集设备(照相机、智能手机等)拍摄的自然场景图像呈现爆炸式增长。此外，由于图像采集的方便快捷，所采集的图像内容复杂多变。在上述图像大数据背景下，如何提高计算机视觉和图像处理的能力是学术界和工业界共同关注的问题。

视觉显著目标检测通过从图像中提取包含关键信息的显著区域来提高计算机视觉和图像处理的性能和速度，是一种强有力的数据分析工具。近年来，基于图优化框架的显著目标检测方法在简单的自然场景图像中取得了一定的效果，但在复杂的自然场景图像中进行显著目标检测具有一定的局限性。

大部分工作基于单个图进行优化，而使用单个图描述图像中包含的信息具有一定的局限性。除此之外，大部分工作在设计优化框架时并没有考虑视觉显著性已有的先验知识，比如稀有特性。因此，开发出一种能够更佳描述图像信息并且融合视觉显著性先验知识的显著目标检测算法是非常必要的。

发明内容

本发明所要解决的技术问题在于，提供一种基于多图优化和稀有特性的显著目标检测方法，能够提高复杂自然场景图像中显著目标检测的性能。

为解决上述技术问题，本发明提供一种基于多图优化和稀有特性的显著目标检测方法，包括如下步骤：

(1)使用SLIC算法将图像过分割成超像素，计算各超像素的位置和颜色特征；

(2)将超像素定义为图的结点，根据超像素的位置和颜色特征分别构造两个不同的图，用于描述输入图像；

(3)基于图中结点的度，计算超像素的稀有特性；

(4)基于图像边缘超像素和所构造的图，获取种子结点信息；

(5)提出多图优化框架，融合所构造的多图、各超像素的稀有特性和种子结点信息，检测出自然场景图像中的显著目标。

优选的，步骤(1)中，将待处理的图像使用SLIC方法过分割成200个同质的超像素；为过分割而成的超像素提取其空间位置特征和CIELab颜色特征。

优选的，步骤(2)中具体为：将过分割而成的超像素定义为图的结点；根据空间位置特征构造一个图：将超像素与周边相邻的超像素进行连接获得图的一部分边，并且将位于图像边缘的各超像素两两相连获得图的另一部分；根据颜色特征构造另一个图：根据CIELab颜色特征将超像素与在CIELab颜色空间中欧几里得距离小于0.15的超像素进行连接获得图的边，上述两个图的边权根据位置和颜色特征计算：