錢廣秀 徐亞超

摘要：本文在現(xiàn)有模型的基礎(chǔ)上，提出一種基于圖像顏色特征和圖像中物體特征的顯著性檢測(cè)算法CO（色差感受度和物體度分別用C，O來(lái)表示）。在原CO模型基礎(chǔ)上，我們?cè)黾恿四：惺芏鹊母拍?，形成新的顯著性檢測(cè)模型BCO（參數(shù)模糊為B），關(guān)注區(qū)域的增加更完善了我們針對(duì)圖像前景和背景部分不同顯著度的標(biāo)量，而且對(duì)于部分色差感受度誤以為是背景的像素具有糾正作用。通過(guò)實(shí)驗(yàn)證明具有很好的可行性和有效性。

關(guān)鍵詞：顯著性檢測(cè)；色差感受度；物體度；CO；BCO。

0 引言

日益發(fā)展的機(jī)器視覺(jué)技術(shù)讓我們享受到信息時(shí)代的高速與便捷，而機(jī)器視覺(jué)研究的基礎(chǔ)在于對(duì)圖像的處理，如何高效的提取圖片中的有用信息是機(jī)器視覺(jué)的重點(diǎn)研究課題之一。本文在現(xiàn)有模型的基礎(chǔ)上，提出了基于人眼感受度和圖像物體度的顯著性檢測(cè)模型。人眼感受度在本文中指的是色差感受度和模糊感受度兩種因素。其中色差感受度的計(jì)算是在Lab顏色空間，使用SLIC算法將圖像分成許多超像素塊，建立馬爾科夫隨機(jī)游走圖模型，分別選定背景節(jié)點(diǎn)和前景節(jié)點(diǎn)為吸收態(tài)，計(jì)算相應(yīng)狀態(tài)下的馬爾科夫吸收概率，用超像素塊之間的顏色特征相似度作為衡量其顯著性的依據(jù)。具體思路是先對(duì)圖像進(jìn)行色差感受度和模糊感受度的運(yùn)算；然后通過(guò)色差感受度的計(jì)算我們大體上估計(jì)出整幅圖像的前景和背景區(qū)域；最后通過(guò)模糊度的運(yùn)算我們得到圖像上最容易受到視覺(jué)關(guān)注的區(qū)域。二者結(jié)合，就可以得到一個(gè)更加符合人的視覺(jué)關(guān)注特征的顯著圖像。

1 算法介紹

CO算法：

該模型的主要思想是首先計(jì)算整體圖像的顏色獨(dú)特度和物體度，色差的計(jì)算可以使圖像的顏色顯著部分更加突出，物體度會(huì)將關(guān)注度集中到畫面中的物體上，這種模型的思想完全符合人類的視覺(jué)注意機(jī)制，先是整體，而后是局部特征突出的部分，最終得出圖像的顯著性圖片。

BCO算法：

至此，我們又獲得了新的圖像的參數(shù)模糊度B。模糊度的加入對(duì)原來(lái)的算法提供了更豐富的顯著性參數(shù)，實(shí)現(xiàn)了算法的改進(jìn)。

2 實(shí)驗(yàn)過(guò)程及結(jié)果對(duì)比

2.1 實(shí)驗(yàn)結(jié)果的對(duì)比

在本小節(jié)中，我們選擇了幾種經(jīng)典的顯著性檢測(cè)模型：IT模型，GB模型，RC模型，SR模型以及FT模型和本論文提出的顯著性檢測(cè)模型對(duì)相同的圖片進(jìn)行檢測(cè)，得出顯著圖，并進(jìn)行比較。MAP模型主要算法原理與本模型所述色差感受度的計(jì)算相似，故沒(méi)有詳述。UFO模型為獨(dú)特度，聚焦度和物體度特征的非線性結(jié)合，前面幾種算法比較常見(jiàn)故沒(méi)有詳述其原理和推導(dǎo)演算過(guò)程。

通過(guò)實(shí)驗(yàn)結(jié)果對(duì)照?qǐng)D我們得知，GB模型和IT模型得出的顯著圖最為模糊，只能大概顯示出部分顯著的高亮區(qū)域，而且難以分辨出圖片中物體的整體輪廓，F(xiàn)T和SR模型都屬于頻域運(yùn)算模型，運(yùn)算速度都很快，F(xiàn)T模型是運(yùn)用了局部對(duì)比度，因此比較適合背景單一，SR模型在單一背景下可以獲得較好的顯著性區(qū)域的輪廓，復(fù)雜環(huán)境情況下的表現(xiàn)不太令人滿意。RC模型整體來(lái)看效果有了很大程度地改善，但在其他顏色亮度高的區(qū)域也被當(dāng)成了顯著性區(qū)域，因此也是有待優(yōu)化。MAP對(duì)于圖像的前景和背景區(qū)域得到比較優(yōu)秀的區(qū)分結(jié)果，在細(xì)節(jié)紋理部分的檢測(cè)還有待優(yōu)化。UFO模型整體看來(lái)檢測(cè)結(jié)果表現(xiàn)較好，但是需要較長(zhǎng)的運(yùn)算時(shí)間，效率較低。對(duì)比上述顯著性檢測(cè)領(lǐng)域的經(jīng)典模型，本論文中提出的模型，集合了UFO模型與MAP模型的優(yōu)點(diǎn)，兼顧整體圖像的顏色顯著度，圖像中物體的獨(dú)立存在，以及人類視覺(jué)聚焦關(guān)注特性的各種特點(diǎn)的算法，在顯著圖的提取上表現(xiàn)優(yōu)秀，在復(fù)雜的場(chǎng)景中也能較好的標(biāo)識(shí)出顯著性區(qū)域。

2.2 在數(shù)據(jù)集上進(jìn)行顯著性檢測(cè)指標(biāo)對(duì)比

將本文提出的模型與IT模型，GB模型，RC模型，SR模型和UFO模型在三個(gè)不同的圖像數(shù)據(jù)集中進(jìn)行顯著性檢測(cè)，并針對(duì)每次檢測(cè)結(jié)果進(jìn)行分析，分別繪制相應(yīng)的PR特征曲線，進(jìn)行運(yùn)算結(jié)果的比較。為了獲得更有說(shuō)服力的顯著性檢測(cè)評(píng)價(jià)效果，我們選擇了MSRA圖像數(shù)據(jù)集。在PR特征曲線，用不同的顏色分別代表每一種模型的運(yùn)算結(jié)果，其中紅色代表本論文提出的模型，綠色代表UFO模型，藍(lán)色代表RC模型，黃色代表SR模型，紫色代表IT模型，黑色代表GB模型。

根據(jù)實(shí)驗(yàn)我們所得到的具體結(jié)果如下幅圖所示：

從上圖我們可以明顯的看出，我們提出的新模型在每個(gè)數(shù)據(jù)集上的檢測(cè)與其他幾種模型相比，具有明顯優(yōu)秀的表現(xiàn)，具有較高的查準(zhǔn)率與查全率。

3 結(jié)語(yǔ)

本文主要思路為：首先對(duì)圖像進(jìn)行色差感受度和模糊感受度的運(yùn)算；然后通過(guò)色差感受度的計(jì)算我們大體上估計(jì)出整幅圖像的前景和背景區(qū)域；最后通過(guò)模糊度的運(yùn)算我們得到圖像上最容易受到視覺(jué)關(guān)注的區(qū)域。二者結(jié)合，就可以得到一個(gè)更加符合人的視覺(jué)關(guān)注特征的顯著圖像。通過(guò)顯著性結(jié)果的對(duì)比和PR特征曲線的結(jié)果可以看出經(jīng)過(guò)改進(jìn)的BCO算法在顯著性檢測(cè)的應(yīng)用中可行性和實(shí)用性表現(xiàn)的非?？捎^，具有較好的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]Shi J，Yan Q，Xu L，et al. Hierarchical Image Saliency Detection on Extended CSSD [J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2016， 38（4）：717.

[2]Wang Z，Teng S，Liu G，et al. Hierarchical sparse representation with deep dictionary for multi-modal classification[J]. Neurocomputing， 2017， 253（C）：65-69.

作者簡(jiǎn)介： 錢廣秀，出生年1992，漢，山東菏澤，研究生，山東科技大學(xué)，研究方向：機(jī)器視覺(jué)與模式識(shí)別

徐亞超，出生年1992，漢，山東泰安，研究生，山東科技大學(xué)，研究方向：機(jī)器視覺(jué)與模式識(shí)別