一种基于相似性传播的多目标协同显著区域检测方法
【专利摘要】本发明公开了一种基于相似性传播的多目标协同显著区域检测方法，涉及多媒体信息处理和计算机视觉领域，所述方法包括以下步骤：对于输入的多幅图像文件，通过将每幅图像分割成超像素，对超像素间相似性进行两两度量，建立超像素相似性图模型；通过超像素相似性图模型实现图像间超像素相似矩阵二部图匹配；超像素级图模型相似性扩散，获取相似性图模型；通过相似性图模型计算显著图。本方法通过对输入的多幅图像中的多个目标进行协同显著性检测，提高了检测精度；通过并行化的相似性传播算法降低了运行速度，满足了实际应用中需要，根据实验结果表明，本发明提出的方法在更短的计算时间下，获得了更准确的检测结果。
【专利说明】—种基于相似性传播的多目标协同显著区域检测方法
【技术领域】
[0001]本发明涉及多媒体信息处理和计算机视觉领域，特别涉及一种基于相似性传播的多目标协同显著区域检测方法，可用于在多个图像中，对多个目标进行协同显著性的检测。
【背景技术】
[0002]目前在媒体计算领域中，在解决协同显著性检测等问题时，通过构建图模型，基于节点之间的相似度扩散，以及计算不同图像间内超像素之间相似性响应大小，来计算出最终检测区域。简单的来说，协同显著性检测是用来检测两幅图像或多幅图像间共同显著性的一种方法。
[0003]现有技术中通常在图模型相似度扩散计算之后的结果上，通过计算一幅图像中的超像素在另一幅图像上的最大响应来产生最终协同显著性结果，即显著图。
[0004]发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足:
[0005]首先，两幅图像或多幅图像内如果存在多个协同显著性目标，现有方法只能计算出协同显著性响应最大的一个目标，而其他同样是协同显著性的结果则不能被检测出。
[0006]其次，现有方法不是自完备的，即:现有方法还需要依赖于单幅图像显著性检测方法的结果。
[0007]再次，现有方法的相似性传播是基于串行的相似性传播方法，该计算非常耗时。
[0008]最终，现有方法对于图像间的图模型的相似性匹配上，存在较多的不准确匹配。
【发明内容】
[0009]本发明提供了一种基于相似性传播的多目标协同显著区域检测方法，本发明针对现有技术在多幅图像上对于多个目标的协同显著性检测方法的不足，提供一套实用的并行化自完备的多目标协同显著性技术，可以使用户方便地从多幅图像中快速的计算出多目标协同显著性的检测结果，详见下文描述:
[0010]一种基于相似性传播的多目标协同显著区域检测方法，所述方法包括以下步骤:
[0011](I)对于输入的多幅图像文件，通过将每幅图像分割成超像素，对超像素间相似性进行两两度量，建立超像素相似性图模型；
[0012](2)通过超像素相似性图模型实现图像间超像素相似矩阵二部图匹配；
[0013](3)超像素级图模型相似性扩散，获取相似性图模型；
[0014](4)通过相似性图模型计算显著图。
[0015]所述建立超像素相似性图模型的步骤具体为:
[0016]I)对输入的多幅图像进行超像素分割，将每幅图像分割成η个超像素；
[0017]2)对多个图像的所有像素，提取每个像素在三个颜色空间上的颜色特征，形成9维的颜色特征向量，对全部像素的颜色特征向量，采用k均值算法计算得到若干个在该9维颜色调整空间的中心点；
[0018]3)对于第i个超像素的描述符，统计在超像素内的每个像素在上述的9维颜色特征上，距离上一步求出的哪一个中心点最近，得到一个直方图描述符对应于一个超像素在颜色特征上的特征描述；
[0019]4)对于超像素i和超像素j之间的相似性从颜色特征和空间位置度量相似性；
[0020]5)对图像内及图像间的超像素两两计算其相似性，最终得到的图模型记为G。
[0021]所述图像间超像素相似矩阵二部图匹配的步骤具体为:
[0022]记G= {X，Y, B}为二部图，X，Y分别为节点集合，B为节点之间权重；其中X U Y为
图模型中节点，且I =文UDi以及Ir = f U Dr，夕和f表示实节点，Dx和Dy为虚节点，虚节
点个数分别记为N和M，第i个节点和第j节点之间权重的集合为Bij=IbijK实节点之间的权重设为Aij=Sf(Lj),虚节点之间权重设为Aij=O,虚节点和实节点之间的权重设为:bij= η, η为实节点对间权重的平局值。
[0023]所述计算显著图具体为:
[0024]Sc (I) = (A^Li)/2 ；
[0025]其中，
【权利要求】
1.一种基于相似性传播的多目标协同显著区域检测方法，其特征在于，所述方法包括以下步骤: (1)对于输入的多幅图像文件，通过将每幅图像分割成超像素，对超像素间相似性进行两两度量，建立超像素相似性图模型； (2)通过超像素相似性图模型实现图像间超像素相似矩阵二部图匹配； (3)超像素级图模型相似性扩散，获取相似性图模型； (4)通过相似性图模型计算显著图。
2.根据权利要求1所述的一种基于相似性传播的多目标协同显著区域检测方法，其特征在于，所述建立超像素相似性图模型的步骤具体为: 1)对输入的多幅图像进行超像素分割，将每幅图像分割成η个超像素； 2)对多个图像的所有像素，提取每个像素在三个颜色空间上的颜色特征，形成9维的颜色特征向量，对全部像素的颜色特征向量，采用k均值算法计算得到若干个在该9维颜色调整空间的中心点； 3)对于第i个超像素的描述符，统计在超像素内的每个像素在上述的9维颜色特征上，距离上一步求出的哪一个中心点最近，得到一个直方图描述符对应于一个超像素在颜色特征上的特征描述； 4)对于超像素i和超像素j之间的相似性从颜色特征和空间位置度量相似性； 5)对图像内及图像间的超像素两两计算其相似性，最终得到的图模型记为G。
3.根据权利要求1所述的一种基于相似性传播的多目标协同显著区域检测方法，其特征在于，所述图像间超像素相似矩阵二部图匹配的步骤具体为: 记G= {X，Y，B}为二部图，X，Y分别为节点集合，B为节点之间权重；其中X U Y为图模型中节点,KX = XUDx以及Dy，X和f表示实节点，Dx和Dy为虚节点，虚节点个数分别记为N和M，第i个节点和第j节点之间权重的集合为Bij= IbijI，实节点之间的权重设为Aij=Sf(Lj),虚节点之间权重设为^ij=O,虚节点和实节点之间的权重设为Aij=Ii, η为实节点对间权重的平局值。
4.根据权利要求1所述的一种基于相似性传播的多目标协同显著区域检测方法，其特征在于，所述计算显著图具体为:
Sc (I) = (A^Li)/2 ； 其中，4 = Yd^Pigmg(J))-(4 ? g(i)第i个超像素是前景的可能性，g(j)第j个超
A=I
11"J像素是前景的可能性；=yexP(-丨nil-)，Zi为第i个超像素的归一化度；Pi表示第i个超像素中心的二维横纵坐标；Ρ」表示第j个超像素中心的二维横纵坐标；σ为控制之间距离的权重；M2Al 其中，L< =ΣΙΙλ -λΙ * Pk为第k个超像素的中心位置，表示第i个 I1-1超像素按颜色特 征下的加权均值的颜色上的平均位置，⑷)* g(k)为得到第k个超像素是前景的可能性。
【文档编号】G06T7/00GK103942774SQ201410025760
【公开日】2014年7月23日 申请日期:2014年1月20日 优先权日:2014年1月20日
【发明者】冯伟, 万亮, 谭志羽 申请人:天津大学