[发明专利]一种利用图像边界信息和区域连通性的显著对象检测方法

摘要

本发明提出了一种利用图像边界信息和区域连通性的显著对象检测方法，通过对待检测的图像进行超像素分割，利用超像素的平均Lab颜色特征向量和超像素的空间拓扑关系构建三个无向加权图，计算每个超像素到图像边界的最短路径，获取三个显著图，将三个显著图相乘得到最终的显著图，完成显著对象的检测；利用超像素的局部上下文信息对显著值进行修正，从而提高了显著对象检测的精度，进一步降低背景区域的显著性；此外，采用逻辑斯蒂回归器对根据不同连通性计算得到的修正后的显著图进行特征整合，得到最终的在显著对象区域均匀高亮的显著图。本方法能够快速的将显著对象区域高亮，并且能够降低背景中高对比度区域的误检率。

主权项

一种利用图像边界信息和区域连通性的显著对象检测方法，其特征在于，包括以下几个步骤：步骤1：输入待检测的图像；步骤2：对待检测的图像进行超像素分割，得到超像素集合V＝{v1,v2,...,vM}，并计算每个超像素vi的平均Lab颜色特征向量xi；vi表示第i个超像素，vi∈V，M为超像素的个数；步骤3：根据超像素的空间拓扑结构及三个不同的邻域范围，对每个超像素创建三个无向加权图，包括一环邻接图、二环邻接图及三环邻接图，分别记为G1、G2和G3；其中，三个无向加权图中的节点为超像素，节点与相邻节点之间形成的边的权重为两相邻节点对应的两平均Lab颜色特征向量之间的距离；所述三个不同的邻域是指一环邻域、二环邻域及三环邻域；一环邻域，超像素vi的一环邻域为与其在空间上相邻接的超像素vj的集合，即超像素vj与超像素vi相邻}；二环邻域，超像素vi的二环邻域包括超像素vi的一环邻域中的超像素以及超像素vi的一环邻域中包含的超像素的一环邻域，即三环邻域，超像素vi的三环邻域包括超像素vi的二环邻域中的超像素以及超像素vi的二环邻域中的超像素的一环邻域，即步骤4：获取超像素v的显著值s(v)，s(v)＝s1(v)·s2(v)·s3(v)，并将超像素的显著值赋值给超像素中的每一个像素，得到像素级的显著图，完成显著图的检测；sl(v)表示每个无向加权图中每个节点到无向加权图的边界节点的累积最短路径，以节点的累积最短路径sl(v)作为对应的超像素的第l环的显著值，l＝{1,2,3}；sl(v)=minv1=v,v2,...,vn=BΣi=1n-1c(i)(i+1)ls.t.(vi,vi+1)∈El]]>其中，B表示虚拟背景节点，边界节点与虚拟背景节点B存在边，边的权重为0；表示在l环邻接图中相邻节点之间的边的权值；El表示l环邻接图中连接边的集合；n表示从起始节点到虚拟背景节点的路径上包含的节点总数。