(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211246974.9 (22)申请日 2022.10.12 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 (72)发明人 程翔　周伟　张永军　 (74)专利代理 机构 北京东方盛凡知识产权代理 有限公司 1 1562 专利代理师 高天星 (51)Int.Cl. G06V 10/46(2022.01) G06V 10/52(2022.01) G06V 10/26(2022.01) (54)发明名称 一种基于多尺度稀疏表示的显著目标区域 提取方法 (57)摘要 本发明提出一种基于多尺度稀疏表示的显 著目标区域提取方法,通过对原始图像进行多尺 度超像素分割， 再对每一种分割尺度下的超像素 进特征提取， 再采用双重迭代稀疏的方式， 对 图 像所有超像素进行稀疏表示， 并计算重构残差， 再以计算出的重构残差作为显著性因子计算显 著性水平 值， 再通过更新初始显著图迭代计算来 弱化算法对视觉注意结果的依赖， 最后 在将多尺 度处理结果进行融合， 本发明通过采用双重递归 稀疏方法来实现对图像像素显著性的一致性检 测， 一定程度上改善了 现有技术中存在的单目标 像素显著性不一致等不足的问题， 并通过图像区 域特异性分析对视觉信息进行合理简化与提炼， 在显著目标完整性和 内部一致性方面表现出了 较好的检测性能。 权利要求书2页 说明书5页 附图1页 CN 115424037 A 2022.12.02 CN 115424037 A 1.一种基于多尺度稀疏表示的显著目标区域 提取方法， 其特 征在于： 包括以下步骤： 步骤一： 输入原始图像， 并对输入的图像数据进行对多尺度超像素分割， 将该图像数据 划分成多个大小均匀、 分布紧凑的超像素作为显著性检测的基本单元， 该多个超像素分别 处于单一尺度下； 步骤二： 针对步骤一中划分的基本单元， 在每一种分割尺度 下， 引入经典的视觉注意焦 点预测方法(IT)， 来获取视 觉注意结果并生成初始显著图ISM； 步骤三： 根据显著性程度的大小， 对步骤二中生成的初始显著图ISM进行数据提取， 提 取图像中的前 景区域和背景区域， 来构建稀疏表示的前 景字典Df和背景字典Db； 步骤四： 分别以步骤三中的前景字 典Df和背景字 典Db对图像所有超像素进行稀疏表示， 并计算重构残差， 再以计算出的重构残差作为显著性因子计算显著性水平值； 步骤五： 构建递归流程， 通过更新初始显著图ISM迭代计算来弱化算法对视觉注意结果 的依赖； 步骤六： 对多尺度处 理结果进行融合， 生成最终的显著目标提取 结果。 2.根据权利要求1所述的于多尺度稀疏表示的显著目标区域提取方法， 其特征在于： 所 述步骤一中， 采用SLIC分割 算法对输入的原始图像进行多尺度超像素分割， 通过改变SLIC 算法参数中的超像素个数以获取不同大小的超像素分割 结果， 构建多尺度的超像素表示， 服务于多尺度感知过程。 3.根据权利要求1所述的一种基于多尺度稀疏表示的显著目标区域提取方法， 其特征 在于： 所述 步骤二中， 初始显著图ISM的生成步骤为： S1： 输入三波段彩色图像I； S2： 令S为图像I某一尺度下的超像素分割结果； S2： 提取超像素 特征Fs＝{F1,F2,...Fn},n为超像素个数， Fi为超像素i内部特 征均值； S3： 使用IT视 觉注意结果 生成初始显著图ISM 。 4.根据权利要求1所述的一种基于多尺度稀疏表示的显著目标区域提取方法， 其特征 在于： 所述步骤三中， 针对某 一尺度的分割结果， 各超像素的显著性水平为其内部所有像素 显著值的均值， 然后按照显著性水平对所有超像素进行排序， 并设定一个比例系数p， 取显 著性水平最高的N ×p个超像素构成前景字典Df， 该显著性水平最高的区域即为初始显著图 ISM较大区域， 取显著性水平最低的N ×p个超像素构成背景字典Db， 该显著性水平最低的区 域为初始显著图ISM较小区域。 5.根据权利要求1所述的一种基于多尺度稀疏表示的显著目标区域提取方法， 其特征 在于： 更新初始显著图ISM的具体步骤为： A1： 选择初始显著图ISM较大区域作为前景字典Df， 初始显著图ISM较小区域作为背景字 典Db； A2： 使用前 景字典Df和背景字典Db对所有超像素进行稀疏表示并计算重构残差 Ef和Eb； A3： 组合两组重构残差， 以生成当前显著图CSM， 再利用当前显著图CSM更新初始显著图 ISM。 6.根据权利要求4所述的一种基于多尺度稀疏表示的显著目标区域提取方法， 其特征 在于： 所述步骤五中， 在递归处理流程中， 每完成一次像素级显著图计算后， 对当前显著图 CSM和初始显著图ISM之间的相似性成图进行比较， 若二者之间的相关系数小于设定的阈权　利　要　求　书 1/2 页 2 CN 115424037 A 2值， 则使用当前显著图CSM更新初始显著图ISM继续执 行迭代过程， 反 之停止迭代。 7.根据权利要求6所述的一种基于多尺度稀疏表示的显著目标区域提取方法， 其特征 在于： 预先对迭代的次数进行设置， 当迭代 次数超过预设的值时， 同样选择停止迭代过程， 并输出当前显著图CSM作为该分隔尺度下的检测结果图像FSM 。 8.根据权利要求7所述的一种基于多尺度稀疏表示的显著目标区域提取方法， 其特征 在于： 所述步骤六中， 采用均值融合的方法对多分割尺度下的结果图像FSMi进行融合， 生成 最终的显著目标提取 结果。权　利　要　求　书 2/2 页 3 CN 115424037 A 3