一种通过灰度统计数据深度信息提取显著目标的方法

摘要

一种通过灰度统计数据深度信息提取显著目标的方法，通过改进FT算法获得基本符合人类视觉注意的CBP特征的显著图。通过挖掘该显著图的灰度概率分布特性的深度信息找到原图像中显著性分布的规律，并使用曲线拟合技术、灰度统计技术、曲线单调性分析、超像素分割等技术提取基于该显著性分布的显著目标区域。最后结合图流形排序技术，实现接近测试集标准的显著图。本发明提出的检测算法比大多数显著目标检测方法的执行速度快、算法复杂度低，却保证较高的检测精度。

主权项

一种通过灰度统计数据深度信息提取显著目标的方法，其特征在于：包括以下步骤：步骤一：基于灰度概率指数函数分布的二元高斯方程建模：计算两个与原图等大小的矩阵，且满足矩阵中的元素取值为离散均匀分布；依据这两个矩阵计算基于灰度概率指数函数分布的二元高斯方程，并生成基于灰度概率指数函数分布的二元高斯灰度衰减图；步骤二：改进FT显著图：将原图用FT方法生成FT显著图，并将FT显著图与在步骤一中生成的二元高斯灰度衰减图合并，生成具有Gaussian灰度衰减特征的FT显著图，称之为FTG显著图；步骤三：灰度概率数据指数函数曲线拟合及拟合曲线单调性分析：按0‑255共256个灰度级计，通过FTG显著图的灰度直方图计算该图的灰度概率数据，用最小二乘法和指数函数曲线拟合该灰度概率数据，并求出拟合曲线的最大曲率所在点对应的灰度级x0，取整后作为提取潜在显著区域的灰度阈值；步骤四：潜在显著区域定位：将原图用SLIC算法分割成n个超像素，FTG显著图套用该分割结果获得n个灰度超像素，根据步骤三得到的灰度阈值，按照FTG显著图灰度超像素的平均灰度和最大灰度，将潜在显著的FTG显著图超像素标定出来；步骤五：边界超像素标定：在原图用SLIC算法分割后得到的n个超像素，在n个超像素中选取包含图像边界任何一部分的那些超像素作为边界超像素，并标定出来；步骤六：显著目标检测：用图流形排序法计算超像素相关度矩阵，用步骤四标定出的潜在显著的FTG显著图超像素和步骤五标定出的边界超像素作为前景查询种子和背景查询种子，利用前景查询种子和背景查询种子计算原图中每个超像素的显著度排序值，得到原图超像素前景优先显著度和背景优先显著度，整合这两个结果并归一化，将每个超像素的显著度赋值给其包含的所有像素生成最终的显著图。