基于前景和背景先验的多模态区域一致性的显著性对象检测方法
【技术领域】
[0001] 本发明涉及计算机视觉技术，尤其是一种图像处理和显著性对象检测方法。
【背景技术】
[0002] 视觉显著性指的是在环境中异于邻近区域的子区域并且能够快速吸引观察者的 注意力。视觉显著性的最重要的应用之一是从复杂场景中快速搜索显著性对象。许多机器 人系统也用视觉显著性来进行对象识别和检测。
[0003] 通过视觉显著性进行对象检测，由于人类总是把对象看作一个整体，希望包含对 象的子区域具有相同或相似的显著性值，然而，大部分已经存在的方法使用基于像素的方 法去计算显著性，得到的显著性值从像素到像素变化。此外，已经存在的大部分方法只是 基于二维图像，其中显著性对象和背景之间相同的颜色或纹理造成显著性提取的正确率降 低。
【发明内容】
[0004] 为了克服已有视觉显著性对象检测方式的正确率较低不足，本发明提供一种有效 提升正确率的基于前景和背景先验的多模态区域一致性的显著性对象检测方法。
[0005] 本发明解决其技术问题所采用的技术方案是：
[0006] 一种基于前景和背景先验的多模态区域一致性的显著性对象检测方法，所述检测 方法包括如下步骤：
[0007] 1)获得场景的颜色图像和深度图像，同时生成点云；
[0008] 2)采用颜色图和深度图将场景分割
[0009] 计算颜色空间和深度空间像素间的差异值D(Ci，C2)的过程如下： 「00101 D(CrC2)= argmin v.)
[0011] 其中，vjp V j是组件，C挪C 2各自的节点，E表示邻域系统，w(v i, Vj)表示边权函 数；
[0012] Wivi ,Vj) ^ A\lcPj -/^ |2 + (1 -1)|/；； - ζ |2
[0013] 其中，参数λ控制颜色和深度通道的权值，I (Pi)，1(h)分别表示两个像素的强 度；
[0014] 采用自适应方法确定权值λ :
[0015] λ = I. 〇-min ( α，β *ndp/ncl)
[0016] 其中ndp和nd是深度图和颜色图的过分割数目，参数β是用于调整颜色图和深度 图之间对过分割贡献的比例，参数α是用于保证颜色图的最小贡献量，参数α为〇~1之 间的小数；
[0017] 3)采用基于对象区域检测方法，对图像的所有区域进行检测得到焦点区域，在颜 色图像中将焦点区域作为前景先验；
[0018] 采用不同大小的高斯核对图像进行卷积操作，得到卷积图像，计算每幅卷积图像 中所有像素水平方向和垂直方向上的梯度，然后得到每幅卷积图像中的像素分布直方图；
[0019] 通过一个k*k的核以及梯度的对数似然函数来得到：
【主权项】
1. 一种基于前景和背景先验的多模态区域一致性的显著性对象检测方法，其特征在 于：所述检测方法包括如下步骤： 1) 获得场景的颜色图像和深度图像，同时生成点云； 2) 采用颜色图和深度图将场景分割 计算颜色空间和深度空间像素间的差异值D(C11C2)的过程如下：
其中，Vi和V j是组件，C JP C2各自的节点，E表示邻域系统，W(V i, Vj)表示边权函数；
其中，参数λ控制颜色和深度通道的权值，I(Pi)，ι(Ρρ分别表示两个像素的强度； 采用自适应方法确定权值λ : λ = I. 〇-min( α，β ^ntipAicl) 其中ndp和Iicd是深度图和颜色图的过分割数目，参数β是用于调整颜色图和深度图之 间对过分割贡献的比例，参数α是用于保证颜色图的最小贡献量，参数α为O~1之间的 小数； 3) 采用基于对象区域检测方法，对图像的所有区域进行检测得到焦点区域，在颜色图 像中将焦点区域作为前景先验； 采用不同大小的高斯核对图像进行卷积操作，得到卷积图像，计算每幅卷积图像中所 有像素水平方向和垂直方向上的梯度，然后得到每幅卷积图像中的像素分布直方图； 通过一个k*k的核以及梯度的对数似然函数来得到：
其中乂和W表示水平和垂直梯度的分布，从卷积图中计算得到，N(X)是像素 X的邻 域窗口；通过找到所有核大小的IkOO的最大值，找到一个核，用k*(x)表示，看作是用于解 释图的最好的一批窗口；核的大小能反映窗口的清晰度；对于每个像素，存在一个对应的 k*(x)，并且它能用于表示清晰或者模糊的区域，通过定义一个二值图：
将U映射到水平和垂直轴上后，统计二值图中从水平到垂直方向的白色像素的个数， 从而获得两组坐标，作为焦点区域，得到焦点区域后，计算带有前景先验的显著性Sf (rk)，定 义如下：
其中，dist()表示过分割rk的中心到焦点区域的中心的距离，并且maXpAsAt/),,)表 示焦点区域内所有过分割之间的最大距离； 4) 检测出点云的平面区域作为背景先验 从颜色图像和对应深度图像中得到点云数据，在点云数据中检测出平面结构，然后 计算连接场景边界的边界长度，计算出平面分割的背景连通度，并且得到过分割的背景权 重； 用下面的定义作为平面分割的背景连通度：
其中，Bg(Pi)是平面分割Pi的连通度，Len(Pi)是边界的长度，它跟场景边界相邻，并且 Pi I是分割平面Pi的面积； 基于背景连通度，定义一个过分割rk的背景权值：
其中，Bw(rk)是过分割rk的背景权值，P是所有检测到平面p 集合； Bw(rk)值的范围是从O到1，根据背景权值，定义背景先验的显著性SB(rk): Sb (rk) = I-Bw (rk) 5)计算得到全局区域对比度 全局区域对比度Se (rk)，定义如下：
其中Dr(rk，ri)和比(1^1^)表示区域r# ri之间各自颜色和空间距离，〇确定空间权 值的长度，W(A)表示区域&的权值，计算出来作为区域r 的像素个数； 显著性图通过下面的公式得到： S (rk) = Sf (rk) X Sb (rk) X Sg (rk) 其中，Sf(rk)表示前景先验显著性值，Sb(rk)表示背景先验显著性值，S e(rk)表示全局 区域对比度，S(rk)表示最终得到的显著性图。
【专利摘要】一种基于前景和背景先验的多模态区域一致性的显著性对象检测方法，包括如下步骤：1)获得场景的颜色图像和深度图像，同时生成点云；2)采用颜色图和深度图将场景分割；3)采用基于对象区域检测方法，对图像的所有区域进行检测得到焦点区域，在颜色图像中将焦点区域作为前景先验；4)检测出点云的平面区域作为背景先验，从颜色图像和对应深度图像中得到点云数据，在点云数据中检测出平面结构，然后计算连接场景边界的边界长度，计算出平面分割的背景连通度，并且得到过分割的背景权重；5)计算得到全局区域对比度SG(rk)，显著性图通过下面的公式得到：S(rk)＝SF(rk)×SB(rk)×SG(rk)。本发明有效提升正确率。
【IPC分类】G06T7-00
【公开号】CN104680523
【申请号】CN201510072313
【发明人】张剑华, 王其超, 谢榛, 赵妍珠, 陈胜勇, 张建伟
【申请人】浙江工业大学
【公开日】2015年6月3日
【申请日】2015年2月11日