一種結(jié)合對(duì)象性和背景性的紅外圖像顯著特征檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像理解領(lǐng)域，具體涉及一種結(jié)合對(duì)象性和背景性的紅外圖像顯著特 征檢測(cè)方法。
【背景技術(shù)】
[0002] 顯著性檢測(cè)在夜視圖像（包括微光、紅外圖像）理解分析方法發(fā)揮著重要作用，它 也在機(jī)器視覺(jué)應(yīng)用中起著重要的作用。
[0003]文獻(xiàn) 一（P.Jiang,H.Ling,J.Yu,andJ.Peng.SalientRegionDetectionby UFO:Uniqueness,FocusnessandObjectness,IEEEInternationalConferenceon ComputerVision(ICCV), 2013.)采用三種線索相結(jié)合的方法，該方法利用獨(dú)立性、對(duì)象性、 關(guān)注性相互關(guān)系來(lái)檢測(cè)圖像中的顯著特征區(qū)域。
[0004]文獻(xiàn)二（C.Yang,L.Zhang,H.Lu，X.Ruan，andM. -H.Yang.SaliencyDetectionvia Graph-BasedManifoldRanking.InCVPR, 2013)利用流行排序的方法，該方法探索數(shù)據(jù)的 流行結(jié)構(gòu)，利用流行排序的特性，排序圖像中顯著區(qū)域的像素，進(jìn)而可以檢測(cè)到顯著的特征 區(qū)域。
[0005]文獻(xiàn)三（M.M.Cheng,G.X.Zhang,N.J.Mitra，X.Huang,andS.M.Hu.Global contrastbasedsalientregiondetection.InCVPR, 409 - 416, 2011)利用全局區(qū)域像素對(duì) 比的方法，該方法利用全局區(qū)域和局部區(qū)域像素的差異對(duì)比，計(jì)算顯著區(qū)域和非顯著區(qū)域 顏色的差異，檢測(cè)到顯著的區(qū)域。
[0006] 然而，上述方法只是單單的利用像素級(jí)的差異，在檢測(cè)顯著區(qū)域時(shí)，部分顯著區(qū)域 被抑制或背景噪聲嚴(yán)重干擾顯著區(qū)域，未能檢測(cè)到完整的顯著特征區(qū)域。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明提出一種結(jié)合對(duì)象性和背景性的紅外圖像顯著特征檢測(cè)方法，提高了目標(biāo) 檢測(cè)的準(zhǔn)確度和識(shí)別效率。
[0008] 為了解決上述技術(shù)問(wèn)題，本發(fā)明提供一種結(jié)合對(duì)象性和背景性的紅外圖像顯著特 征檢測(cè)方法，包括以下步驟： 步驟一：對(duì)給定一幅輸入圖像ff，計(jì)算圖像對(duì)象性的特征，圖像對(duì)象性的特征包括圖 像多尺度顯著性MS、圖像顏色對(duì)比CC和超像素跨越SS三種圖像特征線索，在圖像窗口中推 斷圖像顯著性的概率，在貝葉斯模型下推理獲得圖像對(duì)象性的顯著圖Sal_o; 步驟二：對(duì)圖像ff進(jìn)行超像素分割得到超像素圖像，并將超像素圖像構(gòu)建一個(gè)稀疏圖G(V，E)，其中稀疏圖中的節(jié)點(diǎn)V表示超像素圖像中顏色值的集合，稀疏圖中的邊E表示超像 素圖像中像素距離；然后計(jì)算稀疏圖邊E的權(quán)重相似度矩陣WW; 步驟三：對(duì)圖像ff的超像素圖像的四個(gè)邊界進(jìn)行分離，以超像素圖像四個(gè)邊界為初始 區(qū)域，分別加權(quán)相似度矩陣醫(yī)，得到上邊界顯著圖Sal_bt、下邊界顯著圖Sal_bd、右邊界顯 著圖Sal_br和左邊界顯著圖Sal_bl，將邊界顯著圖Sal_bt、下邊界顯著圖Sal_bd、右邊界 顯著圖Sal_br和左邊界顯著圖Sal_bl進(jìn)行合并獲得背景性的顯著圖Sal_b; 步驟四：根據(jù)特征整合理論計(jì)算獲得最終的顯著圖Sal。
[0009] 本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)在于，本發(fā)明方法利用兩種圖像線索，相互 作用檢測(cè)顯著區(qū)域，利用對(duì)象性檢測(cè)顯著區(qū)域的位置和完整性，并利用背景性抑制背景區(qū) 域，保留顯著區(qū)域；通過(guò)對(duì)象性和背景性的相互作用得到最終的顯著區(qū)域，高了目標(biāo)檢測(cè)的 準(zhǔn)確度和識(shí)別效率。
【附圖說(shuō)明】
[0010] 圖1本發(fā)明方法流程圖。
[0011] 圖2是本發(fā)明實(shí)驗(yàn)中對(duì)象性顯著檢測(cè)結(jié)果示意圖。
[0012] 圖3是本發(fā)明實(shí)驗(yàn)中背景性顯著檢測(cè)結(jié)果示意圖。
[0013] 圖4是本發(fā)明實(shí)驗(yàn)最終顯著檢測(cè)效果圖。
【具體實(shí)施方式】
[0014] 如圖1所示，本發(fā)明一種結(jié)合對(duì)象性和背景性的紅外圖像顯著特征檢測(cè)方法，包 括以下步驟：
[0015] 步驟一：對(duì)給定一幅輸入圖像ff，計(jì)算圖像對(duì)象性的特征，圖像對(duì)象性的特征包 括圖像多尺度顯著性MS、圖像顏色對(duì)比CC和超像素跨越SS三種圖像特征線索，在圖像窗口 中推斷圖像顯著性的概率，在貝葉斯模型下推理獲得圖像對(duì)象性的顯著圖Sal_o。
[0016] 所述多尺度顯著性MS的計(jì)算方式如公式（1)所示，
[0017]
(1)
[0018] 公式（1)中，w表示選取的圖像ff中一個(gè)窗口，sc表示多尺度的尺寸，0表示閾 值，I(P)表示全局顯著性效果圖，計(jì)算公式如（2)所示：
[0019]I(p) =g(p)*T1[exp(f1(ff)+f2(ff))]2(2)
[0020] 公式⑵中，P表示圖像ff中的像素，r表示傅里葉反變換函數(shù)，&(?)和 f2( ?)分別表示光譜殘差和相位光譜函數(shù)。
[0021] 多尺度顯著性MS的計(jì)算方式可以參見(jiàn)文獻(xiàn)Hou(X，Hou&L,Zhang.Saliency Detection:Aspectralresidualapproach.IEEEConferenceonComputerVisionand PatternRecognition, 2007,pp. 1-8)等人提出基于傅里葉光譜殘差的方法。
[0022] 所述圖像顏色對(duì)比CC的計(jì)算方式為：
[0023] 先將圖像ff轉(zhuǎn)換到CIELAB顏色空間，對(duì)圖像進(jìn)行超像素分割，獲得窗口中的超像 素，然后根據(jù)超像素之間的顏色差異和距離計(jì)算圖像顏色對(duì)比CC，計(jì)算方法如公式（3)所 示： _4]
(3)
[0025]公式（3)中，q和cj分別表示超像素i和j在CIELAB顏色空間的均值，Pl和pj分 別表示超像素i和j在CIELAB顏色空間的距離均值。
[0026] 所述超像素跨越SS的計(jì)算方式為：
[0027] 采用超像素跨越計(jì)算目標(biāo)閉合輪廓內(nèi)像素的顯著性，也即獲取超像素跨越SS。在 超像素分割的基礎(chǔ)上，計(jì)算屬于相同超像素區(qū)域在同一圖像窗口中的概率，即超像素跨越 SS，計(jì)算方法如公式（4)所示：
[0028]
(4^
[0029] 公式（4)中，s表示超像素區(qū)域，w表示圖像窗口區(qū)域，|snw|表示超像素區(qū)域s 在圖像窗口W內(nèi)的像素區(qū)域，|s\w|表示超像素區(qū)域s在圖像窗口w外的像素區(qū)域，331表 示一系列超像素集。
[0030] 所述在貝葉斯概率推理下獲得對(duì)象性的顯著圖Sal_o的計(jì)算方法如公式（5)所 示：
[0031]
(5..).
[0032]公式（5)中，E表示三種特征下推斷顯著性的概率，E= {MS，CC，SS}，p(obj)表 示目標(biāo)的先驗(yàn)知識(shí)，P(l-obj)表示背景的先驗(yàn)知識(shí)。
[0033] 步驟二：對(duì)給定的輸入圖像ff進(jìn)行超像素分割得到超像素圖像，并將超像素圖像 構(gòu)建一個(gè)稀疏圖G(V，E)，其中稀疏圖中的節(jié)點(diǎn)V表示超像素圖像中顏色值的集合，稀疏圖 中的邊E表示超像素圖像中像素距離；然后計(jì)算稀疏圖邊E的權(quán)重相似度矩陣wWljeffff， wWlj是相似度矩陣ffff中的元素，計(jì)算方法如公式（6)所示：
[0034]
(6>
[0035] 公式（6)中，Cl和Cj分別表示超像素i和j在CIELAB顏色空間的均值，〇 ww表示 權(quán)重關(guān)系。
[0036] 步驟三：對(duì)給定輸入圖像ff的超像素圖像的四個(gè)邊界進(jìn)行分離，以超像素圖像四 個(gè)邊界為初始區(qū)域，分別加權(quán)相似度矩陣WW，得到四種顯著圖，分別為上邊界顯著圖Sal_ bt、下邊界顯著圖Sal_bd、右邊界顯著圖Sal_br和左邊界顯著圖Sal_bl，將四種顯著圖進(jìn) 行合并獲得背景性的顯著圖Sal_b，
[0037] 所述上邊界顯著圖Sal_bt、下邊界顯著圖Sal_bd、右邊界顯著圖Sal_br和左邊界 顯著圖Sal_bl的計(jì)算方法依此如公式（7)、（8)、（9)、（10)所示：
[0038] Sal_bt(i) = It ? wWij(7)
[0039]Sal_bd(i) = Id ? ww;j(8)
[0040] Sal_br(i) = Ir ? wWij(9)
[0041] S