一種基于Harris角點的顯著性目標檢測方法技術

本發明專利技術公開了一種基于Harris角點的顯著性目標檢測方法，包括步驟：利用Harris角點檢測方法檢測原始圖像和濾波后圖像中目標的特征點以生成凸包；將輸入的原始圖像超像素分割成

A saliency target detection method based on Harris corner

The invention discloses a method for detecting salient target, based on Harris corner comprises the following steps: image feature points in target detection and filtering the original image using Harris corner detection method to generate the convex hull; the original image input into super pixel segmentation

【技術實現步驟摘要】
一種基于Harris角點的顯著性目標檢測方法
本專利技術涉及一種基于Harris角點的顯著性目標檢測方法，屬于圖像處理的

技術介紹
作為計算機視覺和模式識別的一個分支，圖像的顯著性檢測是一個有趣的和具有挑戰性的問題，涉及到如數學、生物學、神經科學、計算機科學等多個學科的知識。顯著性目標檢測已被廣泛應用于許多項目中，包括目標檢測和識別，圖像分割和壓縮，視頻摘要等。顯著性檢測的目的是估計作為前景部分出現的圖像區域的概率。先前的顯著性檢測方法可以分為兩種：自下而上和自上而下。自上而下的方法是通過培訓過程中學習任務驅動的模型，這需要特定的先驗知識。自下而上的方法也被稱為數據驅動的模型，主要是檢測全局或局部對比的顯著性，沒有任何先驗知識。在本專利技術中，主要關注自下而上的顯著性檢測。近年來，顯著性檢測采用圖像邊界先驗，假設一個圖像的窄邊框是非顯著區域。換言之圖像的邊界通常是背景。有許多基于邊界先驗的先進方法，它們都有不錯的效果。然而，這些方法的一個限制是顯著的目標可能會稍微接觸圖像邊緣。因此，檢測到的顯著的目標在圖像邊界區域是不完整。
技術實現思路
本專利技術所要解決的技術問題在于克服現有技術的不足，提供一種基于Harris角點的顯著性目標檢測方法，解決現有的檢測方法中顯著的目標可能會稍微接觸圖像邊緣，導致目標在圖像邊界區域是不完整，降低了圖像顯著性效果的問題。本專利技術具體采用以下技術方案解決上述技術問題：一種基于Harris角點的顯著性目標檢測方法，包括以下步驟：步驟A、利用Harris角點檢測方法分別檢測原始圖像和濾波后的原始圖像中目標的特征點以生成對應凸包，及整合得到兩凸包的交叉部分；步驟B、將輸入的原始圖像超像素分割成若干個超像素，及根據所得兩凸包的交叉部分確定圖像中的凸包外區域和凸包內區域，并根據計算的凸包外和凸包內超像素顯著值分別生成背景線索顯著圖和前景線索顯著圖；步驟C、基于凸包中心算法將所生成背景線索顯著圖和前景線索顯著圖結合，獲得統一的顯著圖；利用貝葉斯公式對所得統一的顯著圖計算獲得后驗概率圖；并利用K-means聚類算法聚類所得后驗概率圖中的超像素，及通過公式擴散超像素間的顯著性突出顯著目標，以獲得最終的顯著圖。進一步地，作為本專利技術的一種優選技術方案：所述步驟B中，計算凸包外超像素的顯著值采用公式：其中，d(ci,cn)和d(Ii,In)分別是凸包外區域RB中的超像素i和n之間的歐式顏色和空間距離；θ是調節顏色和空間條件之間的重要性權衡參數。進一步地，作為本專利技術的一種優選技術方案：所述步驟B中，計算凸包內超像素的顯著值采用公式：其中，d(ri,rn)和d(Si,Sn)分別是凸包內RF中的超像素i和n之間的歐式顏色和空間距離；并且λ和是平衡顏色和位置距離的重要性參數。進一步地，作為本專利技術的一種優選技術方案：所述步驟C中，基于凸包中心算法將所生成背景線索顯著圖和前景線索顯著圖結合具體為：將所生成背景線索顯著圖和前景線索顯著圖結合統一的顯著圖；計算獲得基于凸包中心作為加權因子的全局區域對比度；將所得統一的顯著圖和全局區域對比度結合獲得處理后的統一顯著圖。進一步地，作為本專利技術的一種優選技術方案：所述步驟C中所獲得統一的顯著圖為：進一步地，作為本專利技術的一種優選技術方案：所述步驟C計算獲得基于凸包中心作為加權因子的全局區域對比度為：其中，exp(-d(i,j)/(2δ12)是一個高斯加權函數，表示兩個超像素i和j中心之間的空間距離；exp(-d(i,μ)/(2δ22)是加權因子，ci和cj是超像素i和j的平均顏色距離；d(i,μ)是超像素i中心和凸包中心的歐式距離。本專利技術采用上述技術方案，能產生如下技術效果：本專利技術所提供的基于Harris角點的顯著性目標檢測方法，使用原圖像和濾波圖像的凸包來大致定位前景目標。它們的相交區域圍繞一個顯著目標且不包括更多的雜亂背景。然后，通過結合背景和前景線索顯著圖，把一個區域的顯著值分為兩個方面：凸包內為顯著區域可能包含少許背景，凸包外為背景區域，它們被組合成一個統一的顯著圖。最后，本專利技術通過貝葉斯優化和顯著擴散的優化方法得到最終的顯著圖。本專利技術與現有方法相比更能快速準確的檢測顯著目標，具有較好的精確率和召回率，較低的計算復雜度，能得到高質量的均勻的顯著圖。附圖說明圖1為本專利技術的基于Harris角點的顯著性目標檢測方法的流程示意圖。圖2(a)為原圖像，圖2(b)為兩個凸包的交叉區域示意圖，圖2(c)為超像素分割示意圖。圖3(a)為輸入圖像，圖3(b)為背景線索顯著圖，圖3(c)為前景線索顯著圖，圖3(d)為組合顯著圖和圖3(e)為最終優化后的顯著圖。圖4(a)為本專利技術方法在數據集MSRA5000上的召回曲線圖；圖4(b)本專利技術方法在數據集THUS10000上的召回曲線圖。圖4(c)為本專利技術方法在數據集MSRA5000上的條形圖對比圖；圖4(d)為本專利技術方法在數據集THUS10000上的條形圖對比圖。圖5(a)為輸入圖像，圖5(b)為標準圖，圖5(c)為CA方法的效果圖，圖5(d)為RC方法的效果圖，圖5(e)為SR方法的效果圖，圖5(f)為wOC方法的效果圖，圖5(g)為HDTC方法的效果圖，圖5(h)為GS方法的效果圖，圖5(i)為GMR方法的效果圖，圖5(j)為BL方法的效果圖，圖5(k)為本專利技術方法的效果圖。圖6為ASD數據集上每個組成部分的精確率和召回率的比對圖。具體實施方式下面結合說明書附圖對本專利技術的實施方式進行描述。如圖1所示，本專利技術提出的基于Harris角點的顯著性目標檢測方法，具體包括以下步驟：步驟A、利用Harris角點檢測方法分別檢測原始圖像和濾波后的原始圖像中目標的特征點以生成對應的凸包，通過整合得到兩凸包的交叉部分。具體過程如下：根據視覺注意力機制，許多研究表明顯著區域有和它周圍明顯不同的外觀。根據這個原理本專利技術使用圖像的特征點生成的凸包然后大約定位前景目標。這里有許多特征點檢測器，尺度不變特征轉換，加速魯棒特征和Harris。考慮到計算的低復雜度，本專利技術使用Harris角點檢測方法來檢測顯著性目標的特征點。在實驗中發現，僅僅使用Harris角點得到的凸包檢測顯著區域是不夠的，因為凸包區域可能包含一些背景。為了更準確地定位前景對象，需要進一步消除凸包區域的背景影響。一般來說，突出的對象是圖像中最注目的區域，其邊緣或輪廓上的像素的強度或顏色是不連續的。然而，在頻域中，亮度變化可能對應于高頻部分。因此，對于原始圖像如圖2(a)，為了抑制一些屬于背景的高頻部分，可以使用低通濾波器平滑原始圖像，例如用平均濾波器和高斯低通濾波器來平滑原始圖像。然后利用Harris算子再次檢測濾波圖像中的角點，得到相應的凸包。經分別檢測原始圖像和濾波后的圖像中目標的特征點生成對應的凸包后，兩個凸包區域分別表示為R1和R2，它們的交叉部分如圖2(b)所示。本專利技術定義交叉區域為：RF＝R1∩R2(1)其中，RF為交叉區域，即可作為凸包內區域，在圖像中除凸包內區域RF外的區域視為凸包外的區域。步驟B、將輸入的原始圖像超像素分割成N個超像素，根據所得兩凸包的交叉部分確定圖像中的凸包外區域和凸包內區域，及根據計算的凸包外和凸包內超像素的顯著值分別生成背景線索顯著圖和前景線索顯著圖本文檔來自技高網...

【技術保護點】
一種基于Harris角點的顯著性目標檢測方法，其特征在于，包括以下步驟：步驟A、利用Harris角點檢測方法分別檢測原始圖像和濾波后的原始圖像中目標的特征點以生成對應凸包，及整合得到兩凸包的交叉部分；步驟B、將輸入的原始圖像超像素分割成若干個超像素，及根據所得兩凸包的交叉部分確定圖像中的凸包外區域和凸包內區域，并根據計算的凸包外和凸包內超像素顯著值分別生成背景線索顯著圖和前景線索顯著圖；步驟C、基于凸包中心算法將所生成背景線索顯著圖和前景線索顯著圖結合，獲得統一的顯著圖；利用貝葉斯公式對所得統一的顯著圖計算獲得后驗概率圖；并利用K?means聚類算法聚類所得后驗概率圖中的超像素，及通過公式擴散超像素間的顯著性突出顯著目標，以獲得最終的顯著圖。

【技術特征摘要】
1.一種基于Harris角點的顯著性目標檢測方法，其特征在于，包括以下步驟：步驟A、利用Harris角點檢測方法分別檢測原始圖像和濾波后的原始圖像中目標的特征點以生成對應凸包，及整合得到兩凸包的交叉部分；步驟B、將輸入的原始圖像超像素分割成若干個超像素，及根據所得兩凸包的交叉部分確定圖像中的凸包外區域和凸包內區域，并根據計算的凸包外和凸包內超像素顯著值分別生成背景線索顯著圖和前景線索顯著圖；步驟C、基于凸包中心算法將所生成背景線索顯著圖和前景線索顯著圖結合，獲得統一的顯著圖；利用貝葉斯公式對所得統一的顯著圖計算獲得后驗概率圖；并利用K-means聚類算法聚類所得后驗概率圖中的超像素，及通過公式擴散超像素間的顯著性突出顯著目標，以獲得最終的顯著圖。2.根據權利要求1所述基于Harris角點的顯著性目標檢測方法，其特征在于，所述步驟B中，計算凸包外超像素的顯著值采用公式計算：其中，d(ci,cn)和d(Ii,In)分別是凸包外區域RB中的超像素i和n之間的歐式顏色和空間距離；θ是調節顏色和空間條件之間的重要性權衡參數。3.根據權利要求1所述基于Harris角點的顯著性目標檢測方法，其特征在于：所述步驟B中，計算凸包內超像素的顯著值采用公式計算：其中，d(ri,rn)和d(Si,Sn)分別...

【專利技術屬性】
技術研發人員：金棟梁，朱松豪，荊曉遠，岳東，
申請(專利權)人：南京郵電大學，
類型：發明
國別省市：江蘇,32