基于區域對比度的圖像中顯著對象的提取方法技術

本發明專利技術公開了一種基于區域對比度的圖像中顯著對象的提取方法，其具體步驟如下：(1)輸入原始圖像，原始圖像的顯著性圖記為，原始圖像的對象概率圖記為；(2)計算顯著性圖和對象概率圖的融合系數；(3)根據融合系數，計算區域對比度融合圖，提取圖像中的顯著對象。該方法采用顯著性圖和對象概率圖計算區域對比度圖融合圖，提取圖像中顯著對象，相對于單一使用顯著性圖或對象概率圖提取顯著對象的方法，能夠更準確、完整地提取圖像中的顯著對象。

【技術實現步驟摘要】
基于區域對比度的圖像中顯著對象的提取方法
本專利技術涉及計算機信息、圖像處理
，具體地說是涉及一種提取圖像中的顯著對象的方法。
技術介紹
根據心理學以及人類視覺的研究，當人觀察一幅圖像時，對圖像各區域的關注并不平均，從而產生與關注度相對應的顯著性圖。在大多數情況下，人觀察一幅圖像時，不會在整個圖像上平均分配注意力，而是會將注意力集中在圖像中的某個對象，這樣的對象被稱為顯著對象。如果能夠自動地將顯著對象提取出來，將對圖像縮放、圖像識別、圖像檢索等應用領域提供極大的幫助。顯著對象提取方法正是在這種背景下應用而生，它旨在準確地提取圖像中去除了背景之后的顯著對象，例如，Rother等人在2004年美國計算機協會圖形學學報中發表了“Grabcut：交互式前景提取用圖切割方法”一文，該文利用人工手動畫矩形窗，指定候選顯著對象區域，再用圖切割方法提取顯著對象。但因為需要人工手動指定且只能用矩形窗定義顯著對象候選區域，限制了該方法的廣泛應用。Cheng等人在2011年美國電氣電子工程師協會計算機視覺和模式識別會議上發表了“基于全局對比度的顯著性區域檢測”一文，該文利用全局顏色對比度和空間區域對比度得到顯著性圖，然后根據顯著性圖用迭代Grabcut圖切割方法進行圖像分割，提取圖像中的顯著對象，該方法的具體步驟如下：(1）一個像素的顯著性值用該像素和圖像中其他像素顏色的對比度來定義，具有相同顏色的像素分配相同的顯著性值。(2）基于直方圖統計丟棄出現頻率較小的顏色，每個顏色的顯著性值被替換為相似顏色顯著性值的加權平均。(3）用基于圖的圖像分割方法將圖像分割成若干區域，利用兩個區域重心的歐氏距離，計算空間區域對比度，得到顯著性圖。(4）對顯著性圖取固定閾值，用Grabcut圖切割方法進行圖像分割。(5）用膨脹、腐蝕操作圖像分割后的結果圖，得到新的待分割圖，再用Grabcut圖切割方法進行圖像分割。(6）重復步驟(5）直到收斂。得到最終的結果圖，即提取的顯著對象。Liu等人在2014年美國電氣和電子工程師協會的圖像處理學報中發表了“顯著性樹：一個新的顯著性檢測框架”一文，該文用樹形結構的節點表示圖像中一個個小區域，通過測量全局對比度、空間稀疏性和對象優先性，合并原始小區域，生成顯著性圖，最后運用最大類間方差值二值化顯著性圖，提取圖像中的顯著對象。該方法提高了顯著性圖的精確度，但是，該方法中的最大類間方差值方法在提取顯著對象時，仍不能完整提取圖像中的多個顯著對象。Alexe等人在2012年美國電氣和電子工程師協會的模式分析與機器智能學報中發表了“測量圖像窗中的對象”，該文提出了用圖像窗，即矩形窗檢測對象的概念和計算方法，通過計算大量矩形窗包含對象的概率，利用貝葉斯公式聯合多線索求出顯著對象所在區域的位置概率，得到對象概率圖。該方法的具體步驟如下：(1）用頻域殘差法得到多尺度顯著性線索，并產生大量矩形窗。(2）用顏色空間直方圖的卡方距離，計算矩形窗間顏色對比度線索。(3）用坎尼算子檢測邊界，得到邊緣密度線索。(4）用基于圖的圖像分割方法將圖像分割成若干區域，根據矩形窗內區域和矩形窗外區域的最小區域差異，得到區域分叉線索。(5）利用高斯分布估計矩形窗的位置和大小線索。(6）用貝葉斯公式整合由步驟(1）-(5）得到的線索，計算顯著對象所在區域的位置概率，得到對象概率圖。但是。上述方法存在的不足是，該方法只是用矩形窗表示出顯著對象的位置概率，而不包含準確的顯著對象的輪廓信息，不能準確地提取圖像中的顯著對象。綜上所述，現有的圖像中顯著對象的提取的方法，不能準確、完整地提取圖像中的顯著對象，這影響了顯著對象提取的廣泛應用。
技術實現思路
本專利技術的目的在于針對已有技術中存在的缺陷，提出一種基于區域對比度的圖像中顯著對象的提取方法，該方法能夠較為準確、完整地提取圖像中的顯著對象。為了達到上述目的，本專利技術采用的技術方案如下：一種基于區域對比度的圖像中顯著對象的提取方法，其具體步驟如下：(1)、輸入原始圖像，原始圖像的顯著性圖記為，原始圖像的對象概率圖記為；(2)、計算顯著性圖和對象概率圖的融合系數；(3)、根據融合系數，計算區域對比度融合圖，提取圖像中的顯著對象。上述步驟(2)所述的計算顯著性圖和對象概率圖的融合系數，其具體步驟如下：(2-1)，設顯著性圖的第一閾值圖、顯著性圖的第二閾值圖、顯著性圖的第三閾值圖，對象概率圖的閾值圖為，其具體如下：對顯著性圖中的像素的顯著性值歸一化處理，其歸一化值為[0,1]，其中，設3個不同的閾值，分別是，第一閾值記為，＝0.75；設第二閾值為顯著性圖的最大類間方差值，記為；設第三閾值為顯著性圖的平均顯著性值，記為；顯著性圖中顯著性值大于等于上述閾值的像素的像素值記為1，小于上述閾值的像素的像素值記為0，得到顯著性圖對應的閾值圖，設與第一閾值對應的閾值圖為顯著性圖的第一閾值圖，記為，設與第二閾值對應的閾值圖為顯著性圖的第二閾值圖，記為，設與第三閾值對應的閾值圖為顯著性圖的第三閾值圖，記為，對象概率圖中對象概率值大于等于第一閾值的像素的像素值記為1，小于第一閾值的像素的像素值記為0，得到對象概率圖的閾值圖；(2-2)，將顯著性圖的第一閾值圖與顯著性圖的第二閾值圖之間的像素的重合比例值與顯著性圖的第一閾值圖與顯著性圖的第三閾值圖之間的像素的重合比例值相加之和，記為，其計算式為：其中，p表示閾值圖中的像素，表示屬于顯著性圖的第一閾值圖中的像素，為顯著性圖的第一閾值圖中的像素p對應的像素值，表示屬于顯著性圖的第二閾值圖中的像素，為顯著性圖的第二閾值圖中的像素p對應的像素值，表示屬于顯著性圖的第三閾值圖中的像素，為顯著性圖的第三閾值圖中的像素p對應的像素值；；(2-3)，計算顯著性圖的第一閾值圖和對象概率圖的閾值圖的交疊面積，記為，其計算式為：（2）其中，表示與的交集，表示與的并集，表示顯著性圖的第一閾值圖和對象概率圖的閾值圖的交疊面積；(2-4)，設原始圖像的對角線長度，記為D，計算顯著性圖的第一閾值圖的質心點和對象概率圖的閾值圖的質心點之間的歸一化質心距離，記為，其計算式為：（3）其中，表示顯著性圖的第一閾值圖的質心點，表示對象檢測圖的閾值圖的質心點，是計算到之間的歐式距離；(2-5)，根據所述的各閾值圖之間的像素的重合比例值相加之和、所述的顯著性圖的第一閾值圖和對象概率圖的閾值圖的交疊面積、所述的顯著性圖的第一閾值圖的質心點和對象概率圖的閾值圖的質心點之間的質心距離值計算顯著性圖和對象概率圖融合系數，記為，其計算式為:（4）上述步驟(3)所述的根據融合系數，計算區域對比度融合圖，提取圖像中的顯著對象，其具體步驟如下：(3-1)，根據顯著性圖和對象概率圖的融合系數，融合顯著性圖和對象概率圖，計算區域對比度融合圖，記為，其計算式為：（5）其中是顯著性圖，表示取與1之間的最大數，，exp表示e指數，表示對象概率圖中像素概率值大于等于的像素的像素值，表示對象概率圖中像素概率值小于等于的像素的像素值，表示對象概率圖中像素概率值介于、之間的像素的像素值，表示區域對比度融合圖；(3-2)，設第四閾值為0.2，區域對比度融合圖大于等于第四閾值的像素的像素值記為1，小于第四閾值的像素的像素值記為0，得到區域對比度融合圖對應本文檔來自技高網...

【技術保護點】
一種基于區域對比度的圖像中顯著對象的提取方法，?其特征在于，其具體步驟如下：(1)、輸入原始圖像，原始圖像的顯著性圖記為，原始圖像的對象概率圖記為；(2)、計算顯著性圖和對象概率圖的融合系數；(3)、根據融合系數，計算區域對比度融合圖，提取圖像中的顯著對象。

【技術特征摘要】
1.一種基于區域對比度的圖像中顯著對象的提取方法，其特征在于，其具體步驟如下：(1)、輸入原始圖像，原始圖像的顯著性圖記為S，原始圖像的對象概率圖記為O；(2)、計算顯著性圖和對象概率圖的融合系數,其具體步驟如下：(2-1)，設顯著性圖的第一閾值圖Sf、顯著性圖的第二閾值圖So、顯著性圖的第三閾值圖Sa，對象概率圖的閾值圖為Of，其具體如下：對顯著性圖中的像素的顯著性值歸一化處理，其歸一化值為[0,1]，其中，設3個不同的閾值，分別是，第一閾值記為Tf，Tf＝0.75；設第二閾值為顯著性圖的最大類間方差值，記為To；設第三閾值為顯著性圖的平均顯著性值，記為Ta；顯著性圖中顯著性值大于等于上述閾值的像素的像素值記為1，小于上述閾值的像素的像素值記為0，得到顯著性圖對應的閾值圖，設與第一閾值Tf對應的閾值圖為顯著性圖的第一閾值圖，記為Sf，設與第二閾值To對應的閾值圖為顯著性圖的第二閾值圖，記為So，設與第三閾值Ta對應的閾值圖為顯著性圖的第三閾值圖，記為Sa，對象概率圖O中對象概率值大于等于第一閾值Tf的像素的像素值記為1，小于第一閾值Tf的像素的像素值記為0，得到對象概率圖的閾值圖Of；(2-2)，將顯著性圖的第一閾值圖與顯著性圖的第二閾值圖之間的像素的重合比例值與顯著性圖的第一閾值圖與顯著性圖的第三閾值圖之間的像素的重合比例值相加之和，記為Q(S)，其計算式為：其中，p表示閾值圖中的像素，p∈Sf表示屬于顯著性圖的第一閾值圖中的像素，Sf(p)為顯著性圖的第一閾值圖中的像素p對應的像素值，p∈So表示屬于顯著性圖的第二閾值圖中的像素，So(p)為顯著性圖的第二閾值圖中的像素p對應的像素值，p∈Sa表示屬于顯著性圖的第三閾值圖中的像素，Sa(p)為顯著性圖的第三閾值圖中的像素p對應的像素值；(2-3)，計算顯著性圖的第一閾值圖和對象概率圖的閾值圖的交疊面積，記為r(Sf,Of)，其計算式為：其中，Sf∩Of表示Sf與Of的交集，Sf∪Of表示Sf與Of的并集，r(Sf,Of)表示顯著性圖的第...

【專利技術屬性】
技術研發人員：劉志，葉林偉，李君浩，李利娜，
申請(專利權)人：上海大學，
類型：發明
國別省市：上海;31