最大粘聚性的超像素網(wǎng)格的快速圖像目標(biāo)檢測(cè)與分割方法
【專利摘要】本發(fā)明涉及計(jì)算機(jī)視覺(jué)與媒體計(jì)算領(lǐng)域，為提供目標(biāo)檢測(cè)與分割的精度和耗時(shí)方面均大大優(yōu)于現(xiàn)階段的最佳方法，提高目前圖像內(nèi)容級(jí)目標(biāo)檢測(cè)的便捷性與可用性，本發(fā)明采用的技術(shù)方案是，最大粘聚性的超像素網(wǎng)格的快速圖像目標(biāo)檢測(cè)與分割方法，包括如下步驟：第一步：超像素分割；第二步：超像素網(wǎng)格的初始化：第三步：超像素網(wǎng)格的優(yōu)化，按照順序?qū)Τ跏蓟某袼鼐W(wǎng)格進(jìn)行逐列優(yōu)化；第四步：基于最大粘聚超像素網(wǎng)格，使用RC算法在其之上進(jìn)行圖像目標(biāo)的識(shí)別與檢測(cè)，使用積分圖搜索策略和區(qū)域協(xié)方差特征計(jì)算它與查找目標(biāo)的相似性。本發(fā)明主要應(yīng)用于圖像內(nèi)容級(jí)目標(biāo)檢測(cè)。
【專利說(shuō)明】最大粘聚性的超像素網(wǎng)格的快速圖像目標(biāo)檢測(cè)與分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視覺(jué)與媒體計(jì)算領(lǐng)域，具體講，涉及最大粘聚性的超像素網(wǎng)格的快速圖像目標(biāo)檢測(cè)與分割方法。
技術(shù)背景
[0002]隨著圖像處理技術(shù)的發(fā)展，在視覺(jué)計(jì)算領(lǐng)域人們對(duì)計(jì)算機(jī)智能化的圖像內(nèi)容識(shí)別提出了愈來(lái)愈高的要求。圖像目標(biāo)的檢測(cè)與識(shí)別，不僅需要快速確定圖像中是否有特定的目標(biāo)存在，還要進(jìn)一步確定目標(biāo)的位置、尺度等信息。傳統(tǒng)的基于像素級(jí)別的滑動(dòng)窗目標(biāo)識(shí)別方法，通過(guò)矩形框掃描，確定圖像區(qū)域包含某類目標(biāo)的概率來(lái)判定目標(biāo)。該方法計(jì)算量大且只能得到一個(gè)表示目標(biāo)大概位置的矩形框，且由于像素提供的圖像信息較弱，判別結(jié)果的準(zhǔn)確性和連續(xù)性往往較差。
[0003]現(xiàn)階段，為了追求更為高效和準(zhǔn)確的圖像分析效果，很多計(jì)算機(jī)視覺(jué)的算法都基于超像素來(lái)展開(kāi)。超像素可以將圖像中連續(xù)的同質(zhì)區(qū)域結(jié)合在一起，同時(shí)保留目標(biāo)的邊界信息，從未得到較為清晰的目標(biāo)分割效果。然而，之前的大部分工作對(duì)于超像素的塊大小、形狀以及不規(guī)則分布問(wèn)題都沒(méi)有給予過(guò)多關(guān)注，這些問(wèn)題都將制約其在分割、過(guò)分割以及目標(biāo)檢測(cè)與識(shí)別等領(lǐng)域發(fā)揮的作用。
[0004]目前，一些規(guī)則或者近似規(guī)則的超像素生成方法已經(jīng)提出，例如SuperLattice，LatticeCut, TurboPixel等。但是由于自然圖像紋理的復(fù)雜性，以及超像素方法對(duì)于圖像不規(guī)則的分割方式(包括塊大小 ，形狀，超像素的不規(guī)則分布等)，還沒(méi)有哪一種算法能夠?qū)λ蓄愋偷膱D片都有較為理想的分割與目標(biāo)檢測(cè)結(jié)果。
[0005]因此，亟待提出一種更為普適的規(guī)整化超像素的方法，可以充分利用現(xiàn)有的圖像分割及超像素產(chǎn)生方法，在規(guī)整化的超像素結(jié)構(gòu)模型之下，更為方便與快速地進(jìn)行圖像目標(biāo)的檢測(cè)與識(shí)別。

【發(fā)明內(nèi)容】

[0006]為克服現(xiàn)有技術(shù)的不足，本發(fā)明旨在提供目標(biāo)檢測(cè)與分割的精度和耗時(shí)方面均大大優(yōu)于現(xiàn)階段的最佳方法，提高目前圖像內(nèi)容級(jí)目標(biāo)檢測(cè)的便捷性與可用性，為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案是，最大粘聚性的超像素網(wǎng)格的快速圖像目標(biāo)檢測(cè)與分割方法，包括如下步驟:
[0007]第一步:超像素分割；
[0008]第二步:超像素網(wǎng)格的初始化:分為以下三個(gè)步驟:
[0009]I)依據(jù)超像素質(zhì)心位置的橫坐標(biāo)在一維空間上對(duì)所有超像素進(jìn)行排序，得到新的有序超像素集合:^sort;
[0010]2)定義超像素的分列規(guī)則，并進(jìn)行分列；在每一列中，所有超像素的位置將根據(jù)其質(zhì)心點(diǎn)的縱坐標(biāo)大小進(jìn)行重新排列:
[0011]3)利用動(dòng)態(tài)規(guī)劃算法求解最優(yōu)分列方案，最后，使用偽節(jié)點(diǎn)將每一列的末尾補(bǔ)[0012]第三步：超像素網(wǎng)格的優(yōu)化，按照順序?qū)Τ跏蓟某袼鼐W(wǎng)格f(Q)進(jìn)行逐列優(yōu)化：
[0013]在對(duì)進(jìn)行優(yōu)化的過(guò)程中，f表示在其他列的排列方式不變的情況下對(duì)當(dāng)前列 進(jìn)行優(yōu)化后的網(wǎng)格，通過(guò)不斷地對(duì)r進(jìn)行逐列優(yōu)化以求得整個(gè)超像素網(wǎng)格的全局的最大粘 聚性，這個(gè)過(guò)程為層疊式的動(dòng)態(tài)規(guī)劃，在當(dāng)前配置下，對(duì)r中特定的某列進(jìn)行優(yōu)化時(shí)，依據(jù) 下式進(jìn)行求解網(wǎng)格的最大粘聚性：
[0014]
【權(quán)利要求】
1.一種最大粘聚性的超像素網(wǎng)格的快速圖像目標(biāo)檢測(cè)與分割方法，其特征是，包括如下步驟: 第一步:超像素分割； 第二步:超像素網(wǎng)格的初始化:分為以下三個(gè)步驟: 1)依據(jù)超像素質(zhì)心位置的橫坐標(biāo)在一維空間上對(duì)所有超像素進(jìn)行排序，得到新的有序超像素集合^rsort; 2)定義超像素的分列規(guī)則，并進(jìn)行分列；在每一列中，所有超像素的位置將根據(jù)其質(zhì)心點(diǎn)的縱坐標(biāo)大小進(jìn)行重新排列: 3)利用動(dòng)態(tài)規(guī)劃算法求解最優(yōu)分列方案，最后，使用偽節(jié)點(diǎn)將每一列的末尾補(bǔ)齊； 第三步:超像素網(wǎng)格的優(yōu)化，按照順序?qū)Τ跏蓟某袼鼐W(wǎng)格f(Q)進(jìn)行逐列優(yōu)化: 在對(duì)進(jìn)行優(yōu)化的過(guò)程中，表示在其他列的排列方式不變的情況下對(duì)當(dāng)前列進(jìn)行優(yōu)化后的網(wǎng)格，通過(guò)不斷地對(duì)進(jìn)行逐列優(yōu)化以求得整個(gè)超像素網(wǎng)格的全局的最大粘聚性，這個(gè)過(guò)程為層疊式的動(dòng)態(tài)規(guī)劃，在當(dāng)前配置下，對(duì)f中特定的某列進(jìn)行優(yōu)化時(shí)，依據(jù)下式進(jìn)行求解網(wǎng)格的最大粘聚性:
S(k, n) =maxk^p ^n+1 [S (k-1, p_l)+coh (p, k, n)],
Bs (k, n) =argmaxk^p ^n+1 [S (k-1, p_l)+coh (p, k, n)], 其中，S(k，n)表示在第P列中，將k個(gè)偽節(jié)點(diǎn)置于前n個(gè)真實(shí)節(jié)點(diǎn)之前超像素網(wǎng)格的全局的粘聚性；coh(p，k，η)表示在第P列中，將第k個(gè)偽節(jié)點(diǎn)置于第P個(gè)真實(shí)節(jié)點(diǎn)之前，特別地，如果P=n+1，則將該偽節(jié)點(diǎn)置于第η個(gè)偽節(jié)點(diǎn)之后；Bs(k，η)表示回溯表，該表記錄了在第P列中，將k個(gè)偽節(jié)點(diǎn)置于前η個(gè)真實(shí)節(jié)點(diǎn)之前時(shí)第k個(gè)偽節(jié)點(diǎn)的最優(yōu)位置； 第四步:基于最大粘聚超像素網(wǎng)格，使用RC算法在其之上進(jìn)行圖像目標(biāo)的識(shí)別與檢測(cè)，使用積分圖搜索策略和區(qū)域協(xié)方差特征計(jì)算它與查找目標(biāo)的相似性。
2.如權(quán)利要求1所述的最大粘聚性的超像素網(wǎng)格的快速圖像目標(biāo)檢測(cè)與分割方法，其特征是，超像素網(wǎng)格的全局的粘聚性是由S(k-1，p-Ι)和coh(p，k，η)共同構(gòu)成，求解下前n+k行的最大粘聚性即求解S(k-1，p-Ι)+coh(p, k，η)的最大值，與此同時(shí)，根據(jù)粘聚性超像素網(wǎng)格的定義，在計(jì)算coh (p，k，η)的過(guò)程中，需要在網(wǎng)格中橫向?qū)ふ耶?dāng)前P位置的節(jié)點(diǎn)的鄰居并計(jì)算他們的粘聚性，coh(p, k, η)的計(jì)算方法如下:
coh(p, k, n) = Coh(t, ir) + Coh(i, t;) + Coh(/c;, Zcr), 其中，I1和^分別表示第P列中，將第i個(gè)真實(shí)節(jié)點(diǎn)的左邊第一個(gè)真實(shí)節(jié)點(diǎn)和右邊第一個(gè)真實(shí)節(jié)點(diǎn)A1和b分別表示第P列中，將第k個(gè)偽節(jié)點(diǎn)的左邊第一個(gè)真是節(jié)點(diǎn)和右邊第一個(gè)真是節(jié)點(diǎn)。
3.如權(quán)利要求1所述的最大粘聚性的超像素網(wǎng)格的快速圖像目標(biāo)檢測(cè)與分割方法，其特征是，對(duì)得到超像素網(wǎng)格結(jié)構(gòu)使用積分圖搜索策略(Integral-1mage)和區(qū)域協(xié)方差特征(Region Covariance Feature)計(jì)算它與查找目標(biāo)的相似性具體為: 定義輸入圖像為I，F(xiàn) c Ewxllxd是相關(guān)特征圖像:
F(x, ) = Φ (I, x, y) 其中Φ可以是任意強(qiáng)度形式的映射:空間位置信息，亮度，顏色，梯度，或者是該像素對(duì)各種濾波器的響應(yīng)值，根據(jù)超像素網(wǎng)格5 =〈V,定義該超像素網(wǎng)格對(duì)應(yīng)的超像素級(jí)別的特征圖像F (U，V)，其中V =TU ?表示網(wǎng)格中的節(jié)點(diǎn)集合，P為真實(shí)的超像素節(jié)點(diǎn)集合，D為偽節(jié)點(diǎn)集合，在網(wǎng)格中坐標(biāo)位置為(U，V)的區(qū)域的超像素級(jí)別特征為F(u，V)，它表示(U, V)相關(guān)區(qū)域的特征之和: 其中果為真實(shí)節(jié)點(diǎn)，則其表示超像素網(wǎng)格中第(u，V)個(gè)超像素的相關(guān)區(qū)域；超像素級(jí)別的特征圖F C Ewxilxd,其中，R指實(shí)數(shù)空間，d指的特征圖像F的通道數(shù)目，W和H分別表示超像素網(wǎng)格Jend的寬度和高`度。
【文檔編號(hào)】G06T7/00GK103489185SQ201310418169
【公開(kāi)日】2014年1月1日 申請(qǐng)日期:2013年9月13日 優(yōu)先權(quán)日:2013年9月13日
【發(fā)明者】馮偉, 萬(wàn)亮, 張加萬(wàn), 李亮, 張 誠(chéng) 申請(qǐng)人:天津大學(xué)