一种基于路径瓶颈分析的显著度检测方法

摘要

一种基于路径瓶颈分析的显著度检测方法，属于图像处理技术领域。该方法包括基于超像素分割的无向图表达、最平滑路径分析、路径瓶颈距离计算和显著图生成等四个步骤。在得到无向图中任意节点之间的最平滑路径以及任意路径上的瓶颈距离之后，就可以利用最平滑路径上的瓶颈距离来估计输入图像中超像素之间的差异。本发明不仅能够估计图像块之间的语义关系，而且能够处理形状不规则或者不同尺度的显著物体。与已有的显著度检测算法相比，该方法生成的显著图更为均匀一致，准确度更高。

主权项

一种基于最平滑路径瓶颈距离的显著度检测方法，其特征在于以下步骤：第一步，基于超像素分割的无向图利用SLIC超像素分割方法对输入图像进行分割，得到大小和内容基本均匀一致的超像素块；然后利用这些超像素块构建无向图G＝(V,E)，其中，图的顶点集合V由超像素分割得到的图像块组成，空间位置相邻的超像素顶点之间有边存在，并构成边的集合E，而且边的权重描述了相互连接的超像素之间的特征差异或相似度；构建了k正则图，即每个节点至多和其k个邻居节点相连接；第二步，最平滑路径分析路径分析的目的是得到无向图G中任意两个顶点之间的最平滑路径；对于图中的任意一条可达的路径，利用最大权重边对应的权值来表达该路径；那么对于图中任意的顶点A和B，首先计算图G中连接顶点A和B所有的路径集合P_a,b，然后求得路径集合P_a,b中每条路径上最大权重边的集合，表示为{w₁,w₂,w₃,…}；最后对这些最大权重边按照权值大小进行排序，选择最小权值所在的路径p，即为顶点A和B之间的最平滑路径S–path(A,B)；$S-path(A,B)={\min }_{p⋐P_{a,b}}\left\{{\max }_{p\left[h\right],p[h+1]\in p}\right\{W_{p\left[h\right]p[h+1]}\left\}\right\}---\left(1\right)$最小生成树中任意两点之间的路径是无向图中对应两点之间的最平滑路径，利用普里姆算法来生成图中所有顶点之间的最平滑路径；第三步，路径瓶颈距离计算对于无向图中连接顶点A、B的任意一条路径p，假设C为该路径上不同于A和B的一个顶点，瓶颈距离B–Dis(A,B)定义为该路径上所有瓶颈边对应的权重和；B‑Dis(A,B)＝B‑Dis(A,C)+B‑Dis(C,B)   (2)并且$\left\{\begin{array}{c}B-Dis(A,B)>B-Dis(A,C)\\ B-Dis(A,B)>B-Dis(C,B)\end{array}\right.---\left(3\right)$瓶颈检测的目的是检测出路径p上所有的瓶颈，且是瓶颈距离计算的前提和基础；瓶颈的特征为：(1)瓶颈是连接相邻图像块的边，而且瓶颈边对应的权值大于非瓶颈边对应的权重；(2)对于任意一条路径，瓶颈边的个数大于非瓶颈边的个数；(3)对于任意一条路径，所有的瓶颈边通常是非连续的；(4)如果(C,D)是顶点A和B路径上的瓶颈边，B–Dis(A,B)可分解为计算左子路径的瓶颈距离B–Dis(A,C)和右子路径的瓶颈距离B–Dis(D,B)；B‑Dis(A,B)＝weight(C,D)+B‑Dis(A,C)+B‑Dis(D,B)     (4)具体算法如下：(1)分别计算属于路径p上的所有边的权值的最大值max(p)和中值med(p)；(2)选择所有权重值小于δ*med(p)的边，并计算它们的均值avg(p)；如果max(p)＞λ*avg(p)，那么最大权重值max(p)对应的边即为检测得到的瓶颈，否则，则认为路径p不存在瓶颈；(3)利用已经检测到的瓶颈将路径p分解为左子路径和右子路径，并分别检测子路径的瓶颈，直到所有的瓶颈检测完为止；实验中，δ和λ分别设置为固定值3.0和2.5；第四步，显著度定义在得到无向图中任意节点之间的最平滑路径以及任意路径上的瓶颈距离之后，就利用最平滑路径上的瓶颈距离来计算输入图像中超像素之间的对比度，从而检测得到显著目标，生成显著图；以下是两种显著度定义方法：(1)空间加权对比度方法对于任意一个超像素N_i，假设在Lab颜色空间的特征向量F_i以及在图像空间中的坐标位置p_i，那么该超像素的显著度定义为和所有其他超像素的空间距离加权的特征差异之和，其中，特征差异利用Lab颜色特征在最平滑路径上的瓶颈距离来估计，权重为超像素之间空间距离的高斯函数，即$S\left(N_i\right)={\Sigma }_{i\ne j}B-Dis(F_i,F_j)*\exp (-\frac{\left|\right|p_i-p_j\left|\right|}{2{{\sigma }_p}^2})---\left(5\right)$其中，σ_p控制空间距离权重的强度，大小设置为0.2；(2)到图像背景的对比度方法对于输入图像I，观察到图像边界区域基本上属于背景区域，因此在构建的无向图中新增一个虚拟背景节点N_v，且到所有的图像边界节点均有边存在；假设该虚拟背景节点的特征向量为F_v(0,0,0)；则对于任意一个超像素N_i，在Lab颜色空间的特征向量为F_i，那么该超像素的显著度定义为和虚拟背景节点N_v的最平滑路径上的瓶颈距离，即S(N_i)＝B‑Dis(F_i,F_v)     (6)。