欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017108277251
申请人: 河南科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于场景分类的模块化处方式图像显著性检测方法,其特征在于:包括以下步骤:步骤一、对待测图像用SLIC算法进行超像素分割,提取各待测图过分割后的各图像区域特征;

步骤二、依据提取的各图像区域特征,以图像区域为计算单元改进经典FT模型获取大致的前景区域而生成基于前景先验的FP显著图;以经典GMR模型为基础,以图像边角为查询生成背景先验的bpGMR显著图,通过FP显著图和bpGMR显著图的信息融合生成基本的图像前景定位图;

步骤三、根据图像的FP显著图和bpGMR显著图构成图像场景色调复杂度表示模型;

步骤四、将2p张待测图像分别挑选为简单色调场景和复杂色调场景,分别标定后构成训练样本集,按照图像场景色调复杂度表示模型将训练样本集进行色调复杂度表示,根据不同的判定标准,将简单色调场景进行简单色调场景结构类别分类;

步骤五、罗列在显著性检测过程中可能会使用到的所有的检测模块,按照不同的简单色调场景结构类别和复杂色调场景结构类别选取适用的检测模块构成整体的检测流程对待测图像检测,得到最终的显著图Sal。

2.如权利要求1所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:所述的改进经典FT模型为 其中,spFTi表示第i个超像素的spFT显著值, 为待测图像所有超像素的Lab颜色特征的均值向量,||*||表示欧氏距离, 为待测图像每个超像素在Lab颜色空间的三个颜色均值构成的特征向量。

3.如权利要求1所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:所述的图像场景色调复杂度表示模型构成方法是,分别计算FP显著图和bpGMR显著图的信息熵;分别以0.5倍、1倍、1.5倍和2倍平均灰度作为阈值计算bpGMR先验图的四个二值图,并分别以 和 表示;计算 和 的差图系数 以及 和 的差图系数 以1倍

平均灰度作为阈值计算FP先验图的二值图 计算二值图 和 的两个相交系数和 利用FP先验图信息熵、bpGMR先验图的信息熵、 和 的差图系数、 和 的差图系数、二值图 和 的两个相交系数和 构成图像场景色调复杂度表示模型。

4.如权利要求3所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:所述的差图系数的计算公式是ρ(bMap1,bMap2)=len(Db(bMap1,bMap2))/(w*h)其中,w和h表示图像的宽和高,两个二值图bMap1和bMap2的差图系数为二者的差图Db(bMap1,bMap2)中显著像素的个数除以图像面积。

5.如权利要求3所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:所述的两个相交系数 和 的计算公式是其中,∪表示求两个二值图显著部分的相交区域,相交系数为该相交区域面积除以分母二值图显著部分的面积。

6.如权利要求1所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:所述的所有的检测模块为DM1 

DM2 

DM3 Salst1=FP

DM4 Salst1=bpGMR

DM5 Salst2=spFT

DM6 3&7or4&7or 5根据min(en(FP),en(bpGMR),en(spFT))DM7 Salst2=(D-αW)-1qst1

DM8 Sal=era(Salst2)

DM9 Sal=Salst2

DM10 

其中,Salst1表示第一阶段显著图,Salst2表示第二阶段显著图,FP为FP先验图,bpGMR为bpGMR先验图,以0.5倍、1倍、1.5倍和2倍平均灰度作为阈值计算bpGMR先验图的四个二值图,并分别以 和 表示,Db(*)为两个二值图的差图,en(*)函数用来计算灰度图的信息熵,W为图结点间的仿射矩阵,D为W对应的度矩阵,qst1表示以一倍平均灰度为阈值提取显著图Salst1中的最显著超像素生成的查询向量,era(*)函数表示对显著图Salst2进行天空区域干扰性擦除, 为以2倍平均灰度为阈值计算基于spFT显著图的二值图, 为以2倍平均灰度为阈值计算DM8和DM9获得的显著图Sal的二值图。

7.如权利要求6所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:所述的检测流程包括

8.如权利要求1所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:所述的简单色调场景分类为简单结构、多目标结构、靠近边界目标结构、大目标结构;简单结构、多目标结构、靠近边界目标结构、大目标结构分别对应简单结构检测流程、多目标结构检测流程、靠近边界目标结构检测流程、大目标结构检测流程;

简单色调场景不同结构类别的判定标准为:

多目标结构判断条件:

其中Intb(*)表示两个二值图的相交图,符号 用来表示两个图像区域之间没有连接。

边界目标结构判断条件:

其中 是一个表明二值图 占据图像A15c部分的比例,A15c表示四个图像边角,每个边角的长度仅有对应图像边界的五分之一;

大尺寸前景结构判断条件:

上述提出的 表示为以1倍平均灰度作为阈值计算FP先验图的二值图, 表示1倍平均灰度作为阈值计算bpGMR先验图的二值图。

9.如权利要求1所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:所述的复杂色调场景划分为不确定结构和图像顶部天空区域结构,当时,复杂色调场景为图像顶部天空区域结构,其中,

Ssky为(D-αW)-1q,W为图结点间的仿射矩阵,D为W对应的度矩阵,q为查询输入,α=0.99,S为根据输入q而输出的排序向量,t为最显著的图像顶部天空区域超像素的个数,通常t

图像顶部天空区域结构对应图像顶部天空区域结构检测流程,其余复杂色调场景对应不确定结构检测流程。

10.如权利要求1所述的基于场景分类的模块化处方式图像显著性检测方法,其特征在于:当简单色调场景和复杂色调场景 时,在各检测流程之后加入极小尺寸目标检测流程,其中, 为以2倍平均灰度为阈值计算基于超像素改进的spFT显著图的二值图, 为以2倍平均灰度为阈值计算基于简单色调场景结构类别和复杂色调场景结构类别的检测流程显著图的二值图,极小尺寸目标检测流程计算,生成最终的显著图Sal。