[发明专利]基于半监督的图像显著性检测方法

摘要

本发明公开一种基于半监督的图像显著性检测方法，主要解决现有技术中目标边界不清晰，目标提取不均匀，显著性检测准确率低的问题。本发明的步骤为(1)获得初步显著性图像；(2)获得初步的标记的超像素；(3)贝叶斯选择；(4)聚类操作；(5)流形学习；(6)获得最终的显著性图像。本发明利用计算得到的初步的显著性图像标记待检测图像的超像素，得到标记超像素作为半监督的标记样本，不依靠凸包可以避免检测结果中出现凸包中的非目标部分，提高了显著性检测的准确性。本发明采用流形学习的方法对标记的超像素进行学习，可以获得均匀且边界完整的目标。

主权项

一种基于半监督的图像显著性检测方法，包括以下步骤：(1)获得初步显著性图像：(1a)利用简单线性迭代聚类SLIC超像素分割算法，对待检测的图像进行分割，获得一个超像素映射图像；(1b)将位于待检测图像边缘上的超像素作为边缘超像素；(1c)利用显著性公式，计算超像素映射图像中每个超像素与边缘超像素的显著性值，获得初步显著性图像；(2)获得初步的标记超像素：(2a)对初步显著性图像进行高斯滤波，获得高斯显著性图像；(2b)利用大津法，对高斯显著性图像进行二值化操作，获得二值图像；(2c)对二值图像像进行形态学的开操作，获得开操作二值图像，对开操作二值图像进行形态学的填孔操作，获得优化二值图像，将优化二值图像中的值为1的像素点设定为亮点像素；(2d)利用亮点像素，对超像素映射图像中每个超像素进行选择，获得标记样本；(2d)将标记样本设定为初步的标记超像素；(3)贝叶斯选择：(3a)使用贝叶斯选择方法，对初步的标记超像素进行选择，获得贝叶斯显著性图像；(3b)利用大津法，对贝叶斯显著性图像二值化，获得进化二值图像，将进化二值图像中值为1的像素设定为亮点像素；(3c)利用亮点像素，对超像素映射图像中每个超像素进行选择，获得标记样本；(3d)将标记样本设定为标记超像素；(4)聚类操作：(4a)利用均值漂移算法，将标记超像素分成4类数目不均匀的标记超像素，获得4类标记超像素；(4b)利用权值分配法，获得4类标记超像素的权值；(5)流形学习：(5a)利用流形学习法，计算流形学习矩阵；(5b)利用流形学习法，对4类标记超像素进行学习，获得4类标记超像素学习结果；(6)获得最终显著性图像：(6a)将标记超像素的的学习结果与标记超像素的权值相乘，获得4个子显著性图像；(6b)将4个子显著性图像相乘，获得最终显著性图像。