[发明专利]一种平面图像显著性检测方法

说明书

本发明提出一种平面图像显著性检测方法，其可以输出准确度更高的显著图，方法更简单，易于理解，适于应用。其包括以下步骤：S1：构件网络模型；S2：训练网络模型，得到训练后的网络模型；S3：将图像数据输入到S2中得到的训练后的网络模型，进行显著性检测，输出显著图，用于后续图像处理；在步骤S1中网络模型的结构包括一个左侧的收缩路径和一个右侧的扩张路径；收缩路径用来捕捉上下文，其包括一个输入层、多个卷积层和池化层；由输入层输入的被检测图像传入第一个卷积层进行卷积操作；每两个连续的卷积层之后跟着一个池化层；扩张路径用来精确定位，其包括多个上采样层和卷积层、一个输出层；每个上采样层之后跟着两个连续的卷积层。

技术领域

本发明涉及计算机视觉与数字图像处理技术领域，具体为一种平面图像显著性检测方法。

背景技术

显著性检测作为图像处理的一个预处理过程，被广泛应用于图像质量评价、目标跟踪、目标检测、图像分割等领域。例如：显著性检测在图像质量评价中的应用主要有两个方面，在特征提取阶段，计算出待评价图像的显著性区域，作为待评价图像的一个特征；在特征融合阶段，将显著图中像素的值作为各特征图融合的权值；显著性检测方法通常被分为两类：自上而下和自底向上，由于自底向上的方法不需要人工注释作为先验知识，所以目前的研究都集中在自底向上的方法上；现有研究中，用于显著性检测的方法很多，如：Frequency-tuned salient region detection （以下简称FT）、Saliency detection viagraph-based manifold ranking （以下简称GMR）、Hierarchical saliency detection（以下简称HS），然而这些算法在具体应用中，当显著性物体出现在图像边缘、或者当显著物体和部分背景信息相似时，容易丢失目标信息，会出现准确性不够的问题。

发明内容

为了解决显著性检测方法中输出的显著图准确性不够的问题，本发明提出一种平面图像显著性检测方法，其可以输出准确度更高的显著图，方法更简单，易于理解，适于应用。

本发明的技术方案是这样的：一种平面图像显著性检测方法，其包括以下步骤：

S1：构件网络模型；

S2：训练所述网络模型，得到训练后的网络模型；

S3：将图像数据输入到S2中得到的所述训练后的网络模型，进行显著性检测，输出显著图，用于后续图像处理；

其特征在于：在步骤S1中所述网络模型的结构包括一个左侧的收缩路径和一个右侧的扩张路径；

所述收缩路径用来捕捉上下文，其包括一个输入层、多个卷积层和池化层；由所述输入层输入的被检测图像传入第一个所述卷积层进行卷积操作；每两个连续的所述卷积层之后跟着一个所述池化层，每个所述卷积层后都跟着一个激活函数；

所述扩张路径用来精确定位，其包括多个上采样层和所述卷积层、一个输出层；每个所述上采样层之后跟着两个连续的所述卷积层，每个所述卷积层后都跟着一个所述激活函数；

所述收缩路径中最后一个所述池化层的池化操作完成后得到的特征图，再输入两个所述卷积层，进行两次连续的所述卷积操作，然后把得到的特征图输入进所述扩张路径的第一个所述上采样层进行上采样操作；

所述扩张路径中的所述上采样层的个数与所述收缩路径中的所述池化层的个数相同；

所述扩张路径中的所述卷积层的个数与所述收缩路径中的所述卷积层的个数相同；

每次所述上采样层中的所述上采样操作之后输出的特征图，需要与同级的所述收缩路径中的所述池化层输出的特征图连接，然后再输入所述扩张路径中后续的所述卷积层进行所述卷积操作；