1.一种基于显著性先验的图像语义分割方法,其特征在于:包括,
对待分割图像进行超像素分割,获得超像素块;
根据超像素块,分别计算基于深度紧密性的显著值、基于位置先验的显著值和基于颜色先验的显著值;
基于条件随机场将所有显著值对应的显著图进行融合;
提取融合后显著图的多维特征,将多维特征输入预先训练的分类器,获得图像语义分割结果。
2.根据权利要求1所述的一种基于显著性先验的图像语义分割方法,其特征在于:根据超像素块,分别计算基于深度紧密性的显著值、基于位置先验的显著值和基于颜色先验的显著值,具体过程为,根据超像素块,构建融合颜色信息和深度线索的图模型;
根据图模型和目标深度紧密性,计算基于深度紧密性的显著值;
根据图模型和目标位置先验,计算基于位置先验的显著值;
根据图模型和目标颜色先验,计算基于颜色先验的显著值。
3.根据权利要求2所述的一种基于显著性先验的图像语义分割方法,其特征在于:将超像素块映射至深度图,构建融合颜色信息和深度线索的图模型;其中,图模型为G=(V,E),V为超像素块集合,E为两超像素块相连构成的边的集合,每条边配置有相应的权重,其中,ci为第i个超像素块vi的RGB、LAB六维颜色空间特征向量,cj为第j个超像素块vj的RGB、LAB六维颜色空间特征向量,wij为边eij的权重,eij为vi、vj相连构成的边,σ为控制vi、vj相似程度的调节参数,di为深度空间下vi内包含的所有像素点均值,dj为深度空间下vj内包含的所有像素点均值,μd为评估深度特征的深度置信值。
4.根据权利要求2所述的一种基于显著性先验的图像语义分割方法,其特征在于:基于深度紧密性的显著值计算公式为,Vm(i)=λVbm(i)+(1-λ)Vfm(i)
其中,Vm(i)为第i个超像素块基于深度紧密性的显著值,λ为深度紧密性调节参数,Vbm(i)为第i个超像素块基于背景目标种子点的显著值,Vfm(i)为第i个超像素块基于前景目标种子点的显著值;
其中,D为两对应超像素间度的矩阵,α为控制平衡系数,wij为边eij的权重,eij为第i个超像素块和第j个超像素块相连构成的边,W为wij的矩阵,FG和BG分别为前景目标种子和背景目标种子集合,Fr(j)表示第j个超像素块区域为前景,fc表示第c个查询节点的排序值,查询节点为原始深度图的显著前景目标位置。
5.根据权利要求2所述的一种基于显著性先验的图像语义分割方法,其特征在于:基于位置先验的显著值计算公式为,其中,VP(i)为第i个超像素块基于位置先验的显著值,β为位置最优先验调节系数,bi为第i个超像素块的质心,r为中心lr的位置,lr为像素数最大的目标所在区域的中心。
6.根据权利要求2所述的一种基于显著性先验的图像语义分割方法,其特征在于:基于颜色先验的显著值计算公式为,其中,Vc(i)为第i个超像素块基于颜色先验的显著值,N为超像素块个数,nj为第j个超像素块包含的像素个数,bj为第j个超像素块的质心,r为中心lr的位置,lr为像素数最大的目标所在区域的中心,fij为查询节点排序优化后的度向量中第i行第j列的值,查询节点为原始深度图的显著前景目标位置。
7.根据权利要求1所述的一种基于显著性先验的图像语义分割方法,其特征在于:提取融合后显著图的前景、背景多维特征,将多维特征输入预先训练的SVM分类器,获得图像语义分割结果。
8.一种基于显著性先验的图像语义分割系统,其特征在于:包括,
超像素分割模块:对待分割图像进行超像素分割,获得超像素块;
显著值计算模块:根据超像素块,分别计算基于深度紧密性的显著值、基于位置先验的显著值和基于颜色先验的显著值;
融合模块:基于条件随机场将所有显著值对应的显著图进行融合;
分类模块:提取融合后显著图的多维特征,将多维特征输入预先训练的分类器,获得图像语义分割结果。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。
10.一种计算设备,其特征在于:包括,
一个或多个处理器、一个或多个存储器以及一个或多个程序,其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。