基于最大邻域和超像素分割的图像显著性目标检测方法技术

本发明专利技术提出了一种基于最大邻域和超像素分割的图像显著性目标检测方法，用于解决现有技术中图像显著性目标检测准确率低的技术问题。实现步骤为：1.对待检测图像进行超像素分割；2.统计待检测图像中每种颜色出现的频次；3.对待检测图像进行颜色替代；4.对颜色替代后的图像进行预处理；5.计算待检测图像的初始显著性图像；6.确定K个超像素块的显著性值；7.获取最终显著性图像并输出。本发明专利技术提高了图像显著性目标检测的准确率，并且可以将图像显著性目标一致高亮，可用于计算机视觉领域中的图像预处理过程。

【技术实现步骤摘要】
基于最大邻域和超像素分割的图像显著性目标检测方法
本专利技术属于计算机图像处理
，涉及一种图像显著性目标检测方法，具体涉及一种基于最大邻域和超像素分割的图像显著性目标检测方法，可用于计算机视觉领域中的图像预处理过程。
技术介绍
人类在观察图像时，通常只关注整幅图像中较为显著的一部分。因此，在计算机模拟人类视觉系统时，主要通过检测图像中显著性区域进行模拟。图像显著性目标检测可以提高许多计算机视觉及图像处理算法的性能，具体可用于图像分割、目标识别和图像检索等研究领域。根据检测原理，图像显著性目标检测可分为基于全局对比的模型、基于背景先验的模型和基于局部对比的模型检测三类，其中基于全局对比的模型是通过对比像素点和全局的特征来计算显著性值，可以减轻不能检测出目标内部的问题，但是当图像前景复杂且外形多变时，该类方法就不能够精确地检测出目标；基于背景先验的模型是通过背景先验，判断待检测图像中的背景信息，然后在计算显著性特征值的时候对检测出的背景信息进行抑制，该类方法可以一定程度上抑制背景的干扰，但是当图像包含复杂的背景和前景区域时，该类方法也不能够得出精确的检测结果。基于局部对比的模型是通过对比像素点和像素点所在的局部区域特征计算显著性值，可以检测出图像中的小目标，但是对于较大的目标，该类方法只能检测出目标边界，不能够检测出目标内部。例如，申请公开号为CN103996195A，名称为“一种图像显著性检测方法”的专利申请，公开了一种通过融合图像的各种特征值到同一区间范围检测图像特征值的算法。该方法通过对图像进行分块处理，划分为相同大小的图像块，然后计算每一块的亮度特征值、颜色特征值、方向特征值、深度特征值和稀疏特征值；通过将图像块的各特征值量化到同一区间范围，将各特征值融合计算得到各图像块与其余图像块之间的差异值，确定加权系数，将各图像块与其余图像块之间的差异值加权求和计算得到各图像块的显著性值，最终得到图像显著性检测结果。该方法可以为图像子块提供最多的特征值，但是其存在的缺陷是由于通过图像不同子块之间的差异值进行加权得到显著性检测图像，在检测图像中的显著性目标同时也保留了非目标区域，导致最终的显著性检测准确率较低。又如，Achanta等人在2010年ICIP上发表的文章“Saliencydetectionusingmaximumsymmetricsurround”中，利用了图像中像素点的颜色和亮度信息，提出基于最大对称邻域检测图像显著性目标，检测出具有全分辨率的显著性图像，该方法能够检测出显著性目标，但是也无法去除非目标区域，导致检测准确率较低。
技术实现思路
本专利技术的目的在于针对上述现有技术存在的不足，提出了一种基于最大邻域和超像素分割的图像显著性目标检测方法，旨在提高图像显著性目标检测的准确率。本专利技术的技术思路是：在Lab空间下，将每个像素点的颜色向量和与每个像素点所在位置最大邻域内的平均颜色向量差值的二范数作为当前像素点的显著性值，得到待检测图像的初始显著性图像，再通过初始显著性图像和待检测图像的超像素分割结果确定每个超像素块的显著性值，得到待检测图像的最终显著性图像，具体实现步骤为：(1)对待检测图像进行超像素分割：对待检测图像进行超像素分割，得到K个超像素块并保存，K≥200；(2)统计待检测图像中每种颜色出现的频次：将RGB颜色空间中的三种颜色通道分别划分为N个等份，N≥10，得到N3种颜色，并统计待检测图像中与N3种颜色对应的每种颜色出现的频次；(3)对待检测图像进行颜色替代：对统计出的所有颜色按照出现频次由大到小的顺序进行排列，并对排序得到的数列中各颜色出现的频次依次进行累加，直到累加结果为待检测图像总像素数M的80％，保留累加结果所包含频次的代表颜色C＝{Cp1,Cp2,…,Cpi,…,Cpp}，同时通过代表颜色C对未参与累加的频次所对应的颜色C′＝{Ct1,Ct2,…Ctj,…,Ctt}进行替代，得到颜色替代后的图像；(4)对颜色替代后的图像进行预处理：对颜色替代后的图像进行高斯滤波，并对滤波后的图像进行RGB到Lab颜色空间转换，得到Lab空间下预处理后的图像；(5)计算待检测图像的初始显著性图像：(5a)对Lab空间下预处理后的图像进行颜色通道分离，得到每个像素点的颜色向量I(x,y)，(x,y)是像素点的坐标；(5b)计算每个像素点所在位置(x,y)的最大邻域内的平均颜色向量Iμ(x,y)，并将I(x,y)和Iμ(x,y)差值的二范数作为当前像素点的显著性值；(5c)对所有像素点的显著性值进行归一化，得到待检测图像的初始显著性图像sm；(6)确定K个超像素块的显著性值：(6a)将待检测图像的初始显著性图像sm的平均显著性值T作为阈值，并将sm中像素点显著性值大于阈值的像素点标记为1，其余的像素点标记为0，得到每个像素点的显著性标签；(6b)判断每个超像素块内像素点显著性标签为1的像素点是否超过一半，若是，将1作为该超像素块的显著性值Kl，否则，将0作为该超像素块的显著性值Kl，得到K个超像素块的显著性值；(7)获取最终显著性图像并输出：将K个超像素块中每个超像素块的显著性值赋于该超像素块包含的每个像素，得到显著性图SM′，并将SM′中的最大连通域作为最终显著性图像并输出。本专利技术与现有技术相比，具有以下优点：1)本专利技术采用了基于最大邻域和超像素分割的显著性值计算方法，在通过最大邻域计算得到初始显著性图像后，根据超像素分割结果和初始显著性图像的结合，确定超像素块的显著性值，将超像素块的显著性值赋给超像素块所包含像素点，得到显著性检测图，再对显著性检测图取最大连通域作为最终输出的显著性目标检测图像，有效的去除了图像中的非目标区域，仿真结果表明本专利技术可以准确地检测出图像显著性目标，提高显著性目标检测的准确率。2)本专利技术在图像预处理过程中，对待检测图像进行了颜色替代操作，对待检测图像中主要颜色进行保留，同时用主要颜色替代非主要颜色，降低了非目标区域的颜色干扰，也有助于提高显著性目标检测的准确率。附图说明图1为本专利技术的实现流程图；图2为本专利技术实例所采用的待检测图像；图3为本专利技术仿真实验采用的对待检测图像中人工标记的目标结果图，以及现有技术与本专利技术的检测结果仿真图。具体实施方式下面结合附图和具体实施例，对本专利技术作进一步详细描述。参照图1，一种基于最大邻域和超像素分割的图像显著性目标检测方法，包括以下步骤：步骤1)对待检测图像进行超像素分割：对待检测图像采用SLIC超像素分割方法，SLIC是简单线性迭代聚类算法(simplelineariterativecluster)的简称，SLIC算法同时考虑了像素点之间的空间和颜色距离，将图像分割成包含多个像素点的超像素块，最终得到K个超像素块并保存，经过对多个常用值K＝200，250,300,400，500的试验效果进行比较，得到最佳实验效果的分割数量K＝200，本实施例采用的待检测图像如图2所示，待检测图像中的显著目标是一朵花，图像中非目标区域包含花的叶子和花的枝条；步骤2)统计待检测图像中每种颜色出现的频次：将RGB颜色空间中的三种颜色通道分别划分为N个等份，RGB三个颜色通道的范围都是0～255，其模型是空间正立方体，通过对正立方体的边进行均匀本文档来自技高网...

【技术保护点】
1.一种基于最大邻域和超像素分割的图像显著性目标检测方法，其特征在于包括以下步骤：(1)对待检测图像进行超像素分割：对待检测图像进行超像素分割，得到K个超像素块并保存，K≥200；(2)统计待检测图像中每种颜色出现的频次：将RGB颜色空间中的三种颜色通道分别划分为N个等份，N≥10，得到N

【技术特征摘要】
1.一种基于最大邻域和超像素分割的图像显著性目标检测方法，其特征在于包括以下步骤：(1)对待检测图像进行超像素分割：对待检测图像进行超像素分割，得到K个超像素块并保存，K≥200；(2)统计待检测图像中每种颜色出现的频次：将RGB颜色空间中的三种颜色通道分别划分为N个等份，N≥10，得到N3种颜色，并统计待检测图像中与N3种颜色对应的每种颜色出现的频次；(3)对待检测图像进行颜色替代：对统计出的所有颜色按照出现频次由大到小的顺序进行排列，并对排序得到的数列中各颜色出现的频次依次进行累加，直到累加结果为待检测图像总像素数M的80％，保留累加结果所包含频次的代表颜色C＝{Cp1,Cp2,…,Cpi,…,Cpp}，同时通过代表颜色C对未参与累加的频次所对应的颜色C′＝{Ct1,Ct2,…Ctj,…,Ctt}进行替代，得到颜色替代后的图像；(4)对颜色替代后的图像进行预处理：对颜色替代后的图像进行高斯滤波，并对滤波后的图像进行RGB到Lab颜色空间转换，得到Lab空间下预处理后的图像；(5)计算待检测图像的初始显著性图像：(5a)对Lab空间下预处理后的图像进行颜色通道分离，得到每个像素点的颜色向量I(x,y)，(x,y)是像素点的坐标；(5b)计算每个像素点所在位置(x,y)的最大邻域内的平均颜色向量Iμ(x,y)，并将I(x,y)和Iμ(x,y)差值的二范数作为当前像素点的显著性值；(5c)对所有像素点的显著性值进行归一化，得到待检测图像的初始显著性图像sm；(6)确定K个超像素块的显著性值：(6a)将待检测图像的初始显著性图像sm的平均显著性值T作为阈值，并将sm中像素点显著性值大于阈值的像素点标记为1，其余的像素点标记为0，得到每个像素点的显著性标签；(6b)判断每个超像素块内像素点显著性标签为1的像素点是否超过一半，若是，将1作为该超像素块的显著性值Kl，否则，将0作为该超像素块的显著性值Kl，得到K个超像素块的显著性值；(7)获取最终显著性图像并输出：将K个超像素块中每个超像素块的显著性值赋于该超像素块包含的每个像素，得到显著性图SM′，并将SM′中的最大连通域作为最终显著性图像并输出。2.根据权利要求1所述的基于最大邻域和超像素分割的图像显著性目标检测方法，其特征在于，步骤(3)中所述的通过代表颜色C对未参与累加的频次所对应的颜色C′＝{Ct1,Ct2,…Ctj,…,Ctt}进行替代，实现步骤为：(3a)计算未参与累加的频次所对应的...

【专利技术属性】
技术研发人员：李洁，张航，王颖，王飞，陈聪，张敏，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61