專利名稱：一種基于顯著性檢測的前景分割方法
技術領域：
本發(fā)明涉及計算機視覺領域，具體涉及一種基于多尺度多特征的顯著性檢測的前景分割方法。
背景技術：
隨著數(shù)字產(chǎn)品和互聯(lián)網(wǎng)的不斷發(fā)展，越來越多的數(shù)字圖像需要被傳輸、處理和利用。由于對圖像中的重要區(qū)域進行前景分割，更加有利于數(shù)據(jù)的有效處理，因此如何快速、準確的找到與目標相關的潛在信息，已成為計算機視覺領域的一個研究熱點，這就涉及了圖像顯著性區(qū)域檢測的問題。人類的視覺具有快速搜索到感興趣的目標的能力，這種視覺注意的能力被稱為視覺顯著性。視覺顯著性是一種感知特性，它使一個物體，人，或者像素相對于周圍的東西更為突出，從而獲得人們的注意。隨著視覺神經(jīng)解剖學和神經(jīng)心理學的不斷發(fā)展，人類通過對視覺機理的研究發(fā)現(xiàn)，人類視覺對場景中目標的選擇性可分為自底向上和自頂向下兩個階段。在自底向上階段中，人在無意識、不受經(jīng)驗影響下，僅依據(jù)場景的顏色、光線強度、物體形狀和方向信息等客觀因素，快速搜索到目標。在自頂向下階段中，個體在經(jīng)驗和任務的驅動下，注意到場景中的某個目標。實際上，場景中物體的基本特征，例如色彩，亮度，方向性等信息通常是最先引起人眼的注意的，也就是說人眼的視覺顯著性通常是發(fā)生在自底向上的階段的。在人類視覺自底向上階段，視覺搜索到的目標通常關聯(lián)到人類首先要獲取的信息。視覺顯著的圖像區(qū)域的檢測能夠把有限的處理資源快速而準確地分配到顯著的視覺區(qū)域上，突出了圖像中的顯著目標，削弱了目標周圍場景對于目標的影響。使用顯著性檢測能夠突出圖像中的重要目標，從而能夠實現(xiàn)對圖像目標的快速搜索，提高獲取圖像中有用信息的速度。目前顯著性檢測方法分為三類空間域特征法、統(tǒng)計特性法和圖譜算法?？臻g特征法是指從圖像中提取像素點的顏色、亮度、方向等局部特征，并將其整合得到顯著圖，其中最具有代表性的是Itti在1998年提出的視覺注意模型。統(tǒng)計特性法是指依據(jù)圖像的像素值的統(tǒng)計特性獲得輸入圖像的顯著圖，其中最具有代表性的是Hou在2007提出的基于光譜殘差的算法。圖譜算法是指將圖像進行分塊后，依據(jù)像素塊之間的顏色、方向等視覺特征的差異度量該區(qū)域的顯著性的檢測方法。例如由Harel在2006提出基于圖搜索的顯著性檢測算法?，F(xiàn)有方法通常給出的顯著圖分辨率較低，提取的目標輪廓不清晰，在復雜場景中適應性較差，不適用于前景分割的任務需求。

發(fā)明內容
本發(fā)明的目的在于提供一種基于顯著性檢測的前景分割方法，解決目標檢測中感興趣區(qū)域提取的問題，對攝像機采集的圖像采用多尺度多特征的顯著性檢測算法，生成輪廓清晰的全尺寸的顯著圖，再利用k均值聚類算法進行前景分割?？蓮V泛用于視頻監(jiān)控、圖像檢索，目標跟蹤的預處理環(huán)節(jié)。
具體技術方案如下一種基于顯著性檢測的前景分割方法，采用如下步驟( I)輸入一幅RGB格式的彩色圖像；(2)對RGB格式的彩色圖像進行中值濾波；(3)提取顏色、亮度和方向特征，得到顏色特征圖、亮度特征圖和方向特征圖，構成含有8幅特征圖的特征圖集；(4)對特征圖集的8幅圖像進行多尺度采樣；(5)對每幅特征圖像進行高斯濾波，并計算每幅特征圖像的均值；
(6)計算每幅特征圖的高斯模糊圖像與均值之間的歐幾里得距離；(7)得到顏色顯著圖，亮度顯著圖，方向顯著圖；(8)對以上顯著圖進行融合，獲得綜合顯著圖；(9)采用k均值聚類方法對綜合顯著圖進行前景分割。進一步地,步驟(I) (2)具體為輸入一幅RGB格式的彩色圖像I (X，y),對I(x，y)進行nXn的中值濾波，濾波后圖像I丨(X，y)為I丨(x, y)=median(I (i+1, y+j)), I彡i <
1,-1 彡 j 彡 I。進一步地,步驟(3)具體為分別按以下規(guī)則提取顏色、亮度、方向特征(3-1)設r，g, b分別為圖像紅綠藍三個分量，則亮度特征可以通過下式得到I (r+g+b)/3 ；(3-2)將RGB彩色空間轉換到CIELAB空間，提取1，a, b三個彩色分量作為彩色特征；(3-3)用0° ,45° ,90° ,135° 4個方向的Gabor濾波器分別對亮度

圖1進行濾波，得到四個方向特征；(3-4)構成8幅特征圖,用特征圖集合{Fj, I ^ i ^ 8表示。進一步地，步驟(4)具體為對特征圖集的8幅圖像進行2個尺度的間隔下采樣，尺度分別為原圖像的1/2和1/4，加上原始特征圖集，共構成24幅3個尺度的特征圖集合。進一步地,步驟(5)具體為(5-1)對每幅特征圖像采用3X3的高斯濾波，獲得特征圖的高斯模糊圖像{GJ, I ( i ( 24，高斯濾波器的值為
'0.1070 0.1131 0.1070'f = 0.1 131 0.1 196 0.1 131 ；
0.1070 0.1 131 0.1070(5-2)計算每幅特征圖像的均值，共計24個特征值{>丄I彡i彡24。進一步地，步驟(6)具體為計算每幅特征圖的高斯模糊圖像與均值之間的歐幾里得距離Si=I IG1-Ui I I = (G1-μ i)2，分別獲得顏色、亮度、方向共24幅顯著圖，分為8組，每組 3 幅，記為 S1, Sa, Sb，S1, S01, S02, S03, S04o進一步地，步驟(8)具體為對所述24幅顯著圖的下采樣部分，采用雙線性插值到原始尺寸按照下式對以上顯著圖進行融合，獲得綜合顯著圖S
權利要求
1.一種基于顯著性檢測的前景分割方法，其特征在于，采用如下步驟 (1)輸入一幅RGB格式的彩色圖像； (2)對RGB格式的彩色圖像進行中值濾波； (3)提取顏色、亮度和方向特征，得到顏色特征圖、亮度特征圖和方向特征圖，構成含有8幅特征圖的特征圖集； (4)對特征圖集的8幅圖像進行多尺度采樣； (5)對每幅特征圖像進行高斯濾波，并計算每幅特征圖像的均值； (6)計算每幅特征圖的高斯模糊圖像與均值之間的歐幾里得距離； (7)得到顏色顯著圖，亮度顯著圖，方向顯著圖； (8)對以上顯著圖進行融合，獲得綜合顯著圖； (9)采用k均值聚類方法對綜合顯著圖進行前景分割。
2.如權利要求1所述的基于顯著性檢測的前景分割方法，其特征在于，步驟(I)(2)具體為輸入一幅RGB格式的彩色圖像I (X，7)，對1(1，y)進行nXn的中值濾波，濾波后圖像I; (X，y)為 I ' (X，y) =median (I (x+i, y+j))，I 彡 i 彡 1，-1 彡 j 彡 I。
3.如權利要求1或2所述的基于顯著性檢測的前景分割方法，其特征在于，步驟(3)具體為 分別按以下規(guī)則提取顏色、亮度、方向特征 (3-1)設r，g，b分別為圖像紅綠藍三個分量，則亮度特征可以通過下式得到I=(r+g+b)/3 ； (3-2)將RGB彩色空間轉換到CIELAB空間，提取1，a, b三個彩色分量作為彩色特征； (3-3)用0° ,45° ,90° ,135° 4個方向的Gabor濾波器分別對亮度圖1進行濾波，得到四個方向特征； (3-4)構成8幅特征圖，用特征圖集合{FJ，I ( i彡8表示。
4.如權利要求1-3中任一項所述的基于顯著性檢測的前景分割方法，其特征在于，步驟(4)具體為對特征圖集的8幅圖像進行2個尺度的間隔下采樣，尺度分別為原圖像的1/2和1/4，加上原始特征圖集，共構成24幅3個尺度的特征圖集合。
5.如權利要求1-4中任一項所述的基于顯著性檢測的前景分割方法，其特征在于，步驟(5)具體為 (5-1)對每幅特征圖像采用3X3的高斯濾波，獲得特征圖的高斯模糊圖像{GJ, I ( i ( 24，高斯濾波器的值為
6.如權利要求1-5中任一項所述的基于顯著性檢測的前景分割方法，其特征在于，步驟(6)具體為計算每幅特征圖的高斯模糊圖像與均值之間的歐幾里得距離Si=I IG「y i I | =枳1 D2，分別獲得顏色、亮度、方向共24幅顯著圖，分為8組，每組3幅，記為 Si，Sa, Sb, S1, So1 , So2J So3J So4。
7.如權利要求1-6中任一項所述的基于顯著性檢測的前景分割方法，其特征在于，步驟(8)具體為對所述24幅顯著圖的下采樣部分，采用雙線性插值到原始尺寸按照下式對以上顯著圖進行融合，獲得綜合顯著圖S
8.如權利要求1-7中任一項所述的基于顯著性檢測的前景分割方法，其特征在于，步驟(9)具體為采用k均值聚類方法對綜合顯著圖進行前景分割，首先從綜合顯著圖的直方圖中采用爬坡法選擇k個對象作為初始聚類中心，對于剩下的其它數(shù)據(jù)對象，則根據(jù)它們與這些聚類中心的相似度，分別將它們分配給與其最相似的聚類中心所代表的聚類，并反復進行以上過程，直到滿足收斂條件。
9.如權利要求8所述的基于顯著性檢測的前景分割方法，其特征在于，k值根據(jù)圖像的復雜度設定，取3到7的整數(shù)。
全文摘要
本發(fā)明涉及一種基于顯著性檢測的前景分割方法，采用如下步驟(1)輸入一幅RGB格式的彩色圖像；(2)對RGB格式的彩色圖像進行中值濾波；(3)提取顏色、亮度和方向特征，得到顏色特征圖、亮度特征圖和方向特征圖，構成含有8幅特征圖的特征圖集；(4)對特征圖集的8幅圖像進行多尺度采樣；(5)對每幅特征圖像進行高斯濾波，并計算每幅特征圖像的均值；(6)計算每幅特征圖的高斯模糊圖像與均值之間的歐幾里得距離；(7)得到顏色顯著圖，亮度顯著圖，方向顯著圖；(8)對以上顯著圖進行融合，獲得綜合顯著圖；(9)采用k均值聚類方法對綜合顯著圖進行前景分割。能有效抑制噪聲和背景對目標的干擾，并具有較好的實時性。
文檔編號G06T7/00GK103020965SQ20121050503
公開日2013年4月3日 申請日期2012年11月29日 優(yōu)先權日2012年11月29日
發(fā)明者孫銳, 陳軍, 劉博 , 王繼貞 申請人:奇瑞汽車股份有限公司