[发明专利]基于物体先验的图像显著性目标检测算法

摘要

本发明公开了一种基于物体先验的图像显著性目标检测算法，步骤(1)、将图像分割成N个超像素，然后根据空间加权区域对比度计算每个区域的初始显著值，由此得到一幅初始显著图；步骤(2)、单幅输入的原始图像通过算法生成多个目标候选块，筛选出一系列高质量的目标候选块；步骤(3)、通过比较各个目标候选块与步骤(1)得到的初始显著图的重叠率，计算每个目标候选块覆盖显著性目标的得分；步骤(4)、以各个目标候选块的得分为权重，将筛选后的目标候选块加权融合得到目标级的显著图Sobj；步骤(5)、通过求解最小化能量方程得到最终的显著值S。本发明在不同的数据集中能同时保持较高的准确率和召回率；能准确地定位显著物体。

主权项

一种基于物体先验的图像显著性目标检测算法，其特征在于，所述算法包括以下步骤：步骤(1)、采用SLIC超像素分割算法，将图像分割成N个超像素{Ri}，然后根据空间加权区域对比度计算每个超像素Ri的初始显著值Siinitial，计算公式如下Siinitial=Σj≠i||ci-cj||exp(-||pi-pj||2/2σp2)]]>其中，ci和cj分别表示超像素Ri和Rj在CIE‑Lab颜色空间上的值，pi和pj分别表示超像素Ri和Rj的归一化空间位置值，σp表示常数控制全局对比度权重；由此得到一幅初始显著图；步骤(2)、对单幅输入的原始图像通过算法生成多个目标候选块，筛选出一系列高质量的目标候选块表示生成的目标候选块的集合；步骤(3)、通过比较各个目标候选块与步骤1得到的初始显著图Siinitial的重叠率，计算每个目标候选块覆盖显著性目标的得分Fk，计算公式如下：Fk=Sum(Okselect·Sinitial)Sum(Okselect)]]>其中，Okselect表示第k个目标候选块，Sinitial表示整个初始显著图；步骤(4)、以各个目标候选块的得分Fk为权重，将筛选后的目标候选块加权融合得到目标级的显著图Sobj，计算公式如下：Sobj=Σk=1Num(Oselect)Fk·Okselect]]>其中，Num(Oselect)表示筛选出的目标候选块的总个数；步骤(5)、以步骤(1)得到的超像素作为计算基本单元，定义显著性能量方程：E=λsΣi||Si-Siobj||2+λrΣi,jwij||Si-Sj||2]]>其中，λs和λr表示常数参数控制方程中两项的权重，wij表示两个邻接超像素的相似性，σc表示常数控制颜色差异的权重；采用平滑约束来优化显著图，通过求解最小化能量方程得到最终的显著值S：S＝argmin{E＝λs(S‑Sobj)T(S‑Sobj)+λrST(Dw‑W)S}Dw=diag(Σjwij)]]>其中，λs和λr表示常数参数控制方程中两项的权重，wij表示两个邻接超像素的相似性，σc表示常数控制颜色差异的权重。