一种基于对比度与角点最小凸包的显著性检测方法

专利类型：发明专利 

语 言：中文 

申 请 号：CN201410180885.8 

申 请 日：20140430 

发 明 人：范敏陈曦王楷石欣熊庆宇 

申 请 人：重庆大学 

申请人地址：400044 重庆市沙坪坝区沙坪坝正街174号 

公 开 日：20170215 

公 开 号：CN103927758B 

代 理 人：王翔 

代理机构：重庆大学专利中心 50201 

摘　　要：本发明公开一种基于对比度与角点最小凸包的显著性检测方法。首先根据超像素的全局对比计算全局显著图，然后使用中心—周围算子计算局部显著图，最后根据Harris角点的最小凸包估计主要目标的位置与大小过滤到背景中部分区域的干扰，使得主要目标得以突出。 

主 权 项：一种基于对比度与角点最小凸包的显著性检测方法，其特征在于，包括以下步骤：1)将图像分割成若干个超像素,以S_i表示第i个超像素，i＝1、2……M，即得到超像素集合S＝{S₁,S₂…S_M}，以每一个超像素作为基本计算单位；2)S_i的特征表示为：其中：是第i个超像素中每个像素点CIELab颜色空间的三维正太分布，是第i个超像素中每个像素点CIELab颜色空间三维正太分布中每一维均值组成的向量、n_c(i)是第i个超像素中每个像素点CIELab颜色空间三维正太分布的协方差矩阵；是Gabor滤波得到的第i个超像素中每个像素点在四个角度的方向数值拟合的四维正太分布，是第i个超像素中每个像素点方向数值拟合的四维正太分布中每一维均值组成的向量、n_o(i)是第i个超像素中每个像素点方向数值拟合的四维正太分布的协方差矩阵；c_(i)(x_(i),y_(i))是集合S中第i个超像素的几何中心点；3)根据式(1)计算集合S中任意两个超像素S_a和S_b之间的沃瑟斯坦距离W_co2(a,b)，其中，W_c2(a,b)表示沃瑟斯坦距离的颜色分量、W_o2(a,b)表示沃瑟斯坦距离的方向分量、W_c为颜色的权重值、W_o为方向的权重值；$\left\{\begin{array}{c}{W}_{co}2(a,b)=W_{c}2(a,b)\times W_c+W_{o}2(a,b)\times W_o\\ W_{c}2(a,b)=\sqrt{\left|\right|{\overrightarrow{m}}_{c\left(a\right)}-{\overrightarrow{m}}_{c\left(b\right)}|{|}^2+tr(n_{c\left(a\right)}+n_{c\left(b\right)})-2tr\left(\sqrt{n_{c\left(a\right)}\times n_{c\left(b\right)}}\right)}\\ W_{o}2(a,b)=\sqrt{\left|\right|{\overrightarrow{m}}_{o\left(a\right)}-{\overrightarrow{m}}_{o\left(b\right)}|{|}^2+tr(n_{o\left(a\right)}+n_{o\left(b\right)})-2tr\left(\sqrt{n_{o\left(a\right)}\times n_{o\left(b\right)}}\right)}\end{array}\right.---\left(1\right)$4)使用超像素之间的W_co2(a,b)平方的相反数构建聚类的相似矩阵，对集合S中的超像素进行AP聚类，即能从S＝{S₁,S₂…S_M}中提取出若干超像素作为聚类的中心点C＝{C₁,C₂…C_K}，将聚类的r参数r(S_i,C_j)全部标准化为到[?1,0]后，按式(2)进行指数处理，其中：S_i∈S、C_j∈C，j＝1、2……K：${\hat{r}}_e(S_i,C_j)=\exp \left(\frac{\hat{r}(S_i,C_j)}{{\mathrm{Var}}_{s_i\in S}\left\{\hat{r}(S_i,C_j)\right\}}\right)---\left(2\right)$5)计算每个超像素S_i处于各个中心点聚类的概率P_g(C_j|S_i)：$P_g\left(C_j\right|S_i)=\frac{{\hat{r}}_e(S_i,C_j)}{{\Sigma }_{j=1}^K{\hat{r}}_e(S_i,C_j)}---\left(3\right)$然后按式(4)计算每个聚类是显著的概率P_g(C_n)，其中：D(i,j)为超像素S_i与中心点C_j的欧氏距离，C_n∈C：$P_g\left(C_n\right)={\left(\underset{j=1}{\overset{K}{\Sigma }}\underset{i=1}{\overset{M}{\Sigma }}{P}_g\right(C_n|S_i)*D(i,j\left)\right)}^{-1}---\left(4\right)$将上述式(3)和式(4)相结合，即可得到全局显著图P_g(S_i)：$P_g\left(S_i\right)=\underset{n=1}{\overset{K}{\Sigma }}{P}_g\left(C_n\right)*P_g\left(C_n\right|S_i)---\left(5\right)$6)根据超像素之间的Wasserstein距离和欧式距离，使用“中心?周围算子”按照式(6)计算局部显著图；式中，σ表示集合S中的所有超像素的中心点的距离平均值；得到局部显著图P_l(S_i)，其中(x_i,y_i)是集合S中第i个超像素的几何中心点，(x_q,y_q)是集合S中第q个超像素的几何中心点，(x_j,y_j)是集合C中第j个超像素的几何中心点；$\left\{\begin{array}{c}{P}_l\left(S_i\right)=\frac{1}{g}\underset{j=1}{\overset{K}{\Sigma }}{W}_{co}2(i,j)\times \exp (-\frac{{(x_i-x_j)}^2+{(y_i-y_j)}^2}{{\sigma }^2})\\ g=\underset{q=1}{\overset{M}{\Sigma }}\exp (-\frac{{(x_i-x_q)}^2+{(y_i-y_q)}^2}{{\sigma }^2})\end{array}\right.---\left(6\right)$7)计算出图像中的哈里斯角点，将靠近图像边缘的角点去除，计算角点的最小凸包以及最小凸包的中心点；根据式(7)计算中心显著图；(x_Hm，y_Hm)表示最小凸包的中心点坐标，得到中心显著图P_c(i)，σ_x表示集合S中的所有超像素的中心点的x坐标的方差，σ_y表示集合S中的所有超像素的中心点的y坐标的方差：8)求全局显著图P_g(S_i)与局部显著图P_l(S_i)的均值，该均值乘以中心显著图P_c(i)得到最终的显著图。 

关 键 词： 

法律状态：公开 

IPC专利分类号：G06T7/00