• 基于深层自动编码器重构的图像视觉显著性区域检测方法

    • 摘要:

      本发明公开了一种基于深层自动编码器重构的图像视觉显著性区域检测方法,主要解决现有的图像显著性检测方法缺少全局信息整合以及依赖标记数据的问题.其技术方案是:先对图像全局信息进行采样,得到多组中心-外围图像区域组成的训练样本集;再利用这一集合来训练一个由外围区域到中心区域的基于自动编码器的深层重构网络;接着,利用学习得到的网络对图像每个像素点进行由外围区域重构中心区域的误差计算;最后,结合中心先验值估计每个像素点的显著性值.本发明能得到与人类视觉系统关注区域一致的显著性检测结果,可用于图像压缩以及图像目标检测与识别领域.

    • 专利类型:

      发明专利

    • 申请/专利号:

      CN201510493345.X

    • 申请日期:

      2015.08.12

    • 公开/公告号:

      CN105139385A

    • 公开/公告日:

      2015-12-09

    • 发明人:

      齐飞 夏辰 沈冲 石光明 黄原成 李甫 张犁

    • 申请人:

      西安电子科技大学

    • 主分类号:

      G06T7/00(2006.01)I,G,G06,G06T,G06T7

    • 分类号:

      G06T7/00(2006.01)I,G,G06,G06T,G06T7,G06T7/00

    • 主权项:

      一种基于深层自动编码器重构的图像视觉显著性区域检测方法,包括如下步骤:(1)构建深层重构网络:设置深层自动编码器的编码模块和解码模块,并在该解码模块上增加推断层,得到由编码器,解码器及推断层组成的三模块深层重构网络;该重构网络根据图像不同区域的中心?外围关系,实现由外围块到中心块的重构;(2)从输入图像I中随机选取m个像素点;对于每个像素点x,先分别取其邻域大小为D*D的外围区域块及d*d的中心区域块,得到目标外围区域向量X和中心区域向量Y,d<D;再分别对像素点x外围区域向量X和中心区域向量Y进行归一化,得到归一化后的外围向量s(x)和标记中心向量c(x);(3)用采样的m对外围向量s(x)和标记中心向量c(x)训练重构网络,得到图像I对应的训练后的中心?外围重构网络f(·);(4)对于图像中的每个像素点x,将其归一化的外围向量s(x)输入到训练后的重构网络,得到重构的中心块输出向量f(s(x)),并与标记中心向量c(x)作比较,计算出重构误差ρ(x);最后根据计算得到的中心先验值μ(x)来对ρ(x)加权计算其显著性S(x).