[发明专利]一种基于背景先验的显著性检测方法

摘要

本发明公开一种基于背景先验的显著性检测方法，首先将彩色图像及深度图像作为输入，然后通过预处理操作对输入的图像进行超像素分割及深度图质量评估，然后基于深度选择性差异和背景先验，计算每个超像素区域的初始显著值，最后通过代价函数的最小化对初始显著图进行优化，从而得到最终的显著性检测结果。应用本发明，不仅解决了传统的基于彩色图像的显著性检测方法无法检测到与背景具有相似视觉特征物体的问题，还解决了仅仅依靠深度信息进行显著性检测时，无法忽略底部背景区域而导致的误检问题。本发明适用于同时具有彩色图像及深度图像时的显著性检测，总体效果良好，能有效地检测出显著物体，准确率较高。

主权项

一种基于背景先验的显著性检测方法，将图像中的颜色信息及深度信息同时加入到显著性检测方法中，充分利用图像的RGBD信息，得到显著性检测的结果，包括以下步骤：1)采用超像素分割SLIC算法将输入的彩色图像分成一系列超像素区域，通过区域匹配，在深度图像中找到对应的区域；采用深度图质量评估方法评估深度图质量，根据深度图像的质量调节颜色特征和深度特征在最终检测特征中的所占比重；2)计算各超像素区域的深度选择性差异，获得每个超像素区域的基于深度选择性差异的显著值；3)计算各超像素区域的基于背景先验的显著值，具体为：首先，对边界上所有超像素区域进行筛选，获得边界背景集合；其次，基于每个超像素区域的深度选择性差异显著值，对图像中所有超像素区域进行自适应阈值分割，获得基于深度先验的背景集合；然后，依据图像的超像素区域集合、边界背景集合、基于深度先验的背景集合构建图模型；最后，依据构建的图模型计算每个超像素区域的边界连通性，从而获得图像中每个超像素区域基于背景先验的显著值；4)融合图像中每个超像素区域的基于深度选择性差异的显著值和基于背景先验的显著值，得到图像的初始显著图；5)采用代价函数的最小化对图像的初始显著图进行优化，从而获得最终的显著图。