一種基于背景非顯著度的圖像顯著性算法評價方法
【專利摘要】本發(fā)明公開了一種基于背景非顯著度的顯著性檢測算法評價方法，包括：步驟1，將待測算法結(jié)果即顯著圖與人工標(biāo)定圖像歸一化到相同尺寸；步驟2，將歸一化后的顯著圖進(jìn)行簡單閾值Tf∈[0,255]分割；步驟3，分割后的結(jié)果與人工標(biāo)定圖像之差的絕對值定義為非顯著度R。該方法通過定義計算顯著性檢測算法所得結(jié)果的非顯著度R來評估各種顯著性檢測算法結(jié)果中包含的非顯著信息的多少，R值越小表示非顯著度越低也就是顯著度越高，顯著圖的質(zhì)量越好，顯著性檢測算法的適用性就越廣。進(jìn)而來評價顯著性檢測算法的實用性。
【專利說明】一種基于背景非顯著度的圖像顯著性算法評價方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計算機視覺與圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于背景非顯著度的圖像顯著性算法評價方法。

【背景技術(shù)】
[0002]隨著計算機視覺的發(fā)展，圖像顯著性檢算法越來越多，所得結(jié)果的質(zhì)量也愈加難以判定。其中，一種好的顯著性檢測算法所得高質(zhì)量顯著圖可以給多種計算機視覺任務(wù)提供重要性指導(dǎo)，如基于內(nèi)容的圖像縮放、物體識別、感興趣物體分割等。但是，在工程實際中如何從眾多質(zhì)量參差不齊的顯著圖中快速挑選出高質(zhì)量的顯著圖，成為了一個重要的工程實際問題。因此，需要一種能夠客觀、快速的評價一種圖像顯著性檢測算法所得顯著圖質(zhì)量的優(yōu)劣的顯著性檢測算法評價方法，這樣就能夠挑選出合適的顯著性檢測算法來應(yīng)用于多種計算機視覺任務(wù)。
[0003]現(xiàn)階段，顯著性檢測算法的評價方法主要是基于2009年Achanta等人提出的ROC曲線，該方法主要是基于準(zhǔn)確率(P)、召回率(R)和F值來評價一種顯著性檢測算法。這些評價指標(biāo)雖說現(xiàn)在被廣泛應(yīng)用，其主要缺點有兩個:不能很好的反映顯著圖中包含非顯著信息的多少，我們知道，顯著圖中非顯著信息對顯著圖的應(yīng)用有很大的影響，例如在圖像重定位中包含大量非顯著信息的顯著圖往往會給重定位帶來錯誤的指導(dǎo)；另外，由于其在計算的時候要取多個閾值，這樣使得其計算速度變得很慢，使這種算法在工程實踐中的應(yīng)用存在較大的局限性，難以滿足很多實時處理的應(yīng)用需求。
[0004]因此，提出一種基于背景非顯著度的圖像顯著性算法評價方法，成為本領(lǐng)域目前亟待解決的技術(shù)問題。


【發(fā)明內(nèi)容】

[0005]本發(fā)明提出了一種基于背景非顯著度的圖像顯著性算法評價方法。其目的在于通過定義計算顯著性檢測算法所得結(jié)果的非顯著度R來評估各種顯著性檢測算法結(jié)果中包含的非顯著信息的多少，進(jìn)而來評價顯著性檢測算法的實用性。
[0006]本發(fā)明的目的是通過下述技術(shù)方案來實現(xiàn)的。
[0007]—種基于背景非顯著度的圖像顯著性算法評價指標(biāo)，包括:
[0008]步驟1，將待測算法結(jié)果即顯著圖與人工標(biāo)定圖像歸一化到相同尺寸；
[0009]步驟2，將顯著性檢測算法所得顯著圖進(jìn)行簡單閾值分割；
[0010]步驟3，分割后的結(jié)果與人工標(biāo)定圖像之差的絕對值定義為非顯著度R。
[0011]優(yōu)選地，步驟2進(jìn)一步包括，本發(fā)明使用迭代閾值法，計算分割閾值，來對顯著性檢測算法所得顯著圖進(jìn)行分割，獲取待測算法所得顯著圖的二值圖像。
[0012]優(yōu)選地，步驟3進(jìn)一步包括，本發(fā)明用顯著性檢測方法所得顯著圖分割后所得二值圖像和人工標(biāo)定圖像的差異度來定義非顯著度R。
[0013]本發(fā)明利用顯著性檢測結(jié)果與人工標(biāo)定圖像的差異度來定義非顯著度R。非顯著度能夠很好的反應(yīng)出顯著圖中非顯著信息的多少，R值越小表示非顯著度越低也就是顯著度越高，顯著圖的質(zhì)量越好，顯著性檢測算法的適用性就越廣。

【專利附圖】

【附圖說明】
[0014]圖1為本發(fā)明的流程；
[0015]圖2為本發(fā)明對一些顯著圖的評價結(jié)果；
[0016]圖3為本發(fā)明對現(xiàn)存經(jīng)典顯著性檢測算法評價結(jié)果。

【具體實施方式】
[0017]下面結(jié)合附圖及【具體實施方式】進(jìn)一步說明本發(fā)明。
[0018]本發(fā)明一種基于背景非顯著度的圖像顯著性算法評價方法如圖1所示，其重要步驟介紹如下:
[0019]1.圖像歸一化相同尺寸
[0020]為了能夠更加客觀的評價顯著性檢測算法，本發(fā)明統(tǒng)一將算法所得結(jié)果即顯著圖和人工標(biāo)定圖像歸一化到相同尺寸；
[0021]2.簡單閾值分割
[0022]選取合適的閾值Tf e [0，255]，對顯著圖進(jìn)行閾值分割，獲取顯著圖的二值圖像，這里Tf本發(fā)明使用迭代閾值法進(jìn)行計算。
[0023]3.計算非顯著度R
[0024]本發(fā)明利用顯著圖與人工標(biāo)定圖像差異度定義非顯著度R，具體計算方法:
[0025]R = mean I Is-1gI (I)
[0026]其中，Is為待評價顯著圖經(jīng)簡單閾值分割后結(jié)果，Ig為人工標(biāo)定圖像R為非顯著度為Is和Ig之差絕對值矩陣的均值。如果評價多幅顯著圖，R計算方法為:

Y^mean \ / -1g \
[0027]R 二」--(2)

j
[0028]其中，j為待評價圖片張數(shù)。
[0029]附圖2給出了本發(fā)明對一些顯著圖的評價，可以從圖2(a) (b)中直觀的看到，當(dāng)顯著圖沒有檢測到顯著目標(biāo)，或者顯著圖中除了目標(biāo)之外還包含非顯著信息較多時，所得R值將會比較大。而當(dāng)顯著目標(biāo)比較清晰，且包含的非顯著信息較少時，才能得到比較小的R值如圖2(c)所示，圖2(d)為人工標(biāo)定圖其R值為O。
[0030]附圖3給出了本發(fā)明使用MESR(1000)數(shù)據(jù)庫對2014年Cheng等人提出的〃Globalcontrast based salient reg1n detect1n",即圖 3 中 RC 和 HC 方法、2012 年 Wu 等人提出的〃A unified approach to salient object detect1n via low rank matrixrecovery",即圖 3 中 LR方法、2009年Achanta等人所提"Frequency-tuned salient reg1ndetect1n",即圖 3 中 IG 方法、2012 年 Goferman 等人所提"Context—aware saliencydetect1n",即圖 3 中 CA 方法、1998 年 Itti 等人所提〃A model of saliency-basedvisual attent1n for rapid scene analysis",即圖 3 中 IT 方法、2003 年 Ma 等人所提^Contrast-based image attent1n analysis by using fuzzy growing〃，即圖 3 中 MZ方法和2007年Hou等人所提〃A spectral residual approach",即圖3中SR方法的評價結(jié)果，與ROC曲線方式有比較一致的結(jié)果，但是我們的算法有更快的計算速度。
[0031 ] 以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種基于背景非顯著度的顯著性檢測算法評價方法，其特征在于，包括以下步驟: 步驟1，將待測算法結(jié)果即顯著圖與人工標(biāo)定圖像歸一化到相同尺寸； 步驟2，將歸一化后的顯著圖進(jìn)行簡單閾值Tf e [O, 255]分割； 步驟3，分割后的結(jié)果與人工標(biāo)定圖像之差的絕對值定義為非顯著度R。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于:步驟(2)中所述簡單閾值分割，使用迭代閾值法，計算分割閾值，來對顯著性檢測算法所得結(jié)果進(jìn)行分割，獲取待測算法所得顯著圖的二值圖像。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于:步驟(3)中所述定義非顯著度R，利用待測算法所得顯著圖的二值圖像與人工標(biāo)定圖像差異度定義非顯著度R，通過下式得到: R = mean|Is-1g |(I) 其中，Is為待評價算法所得顯著圖經(jīng)簡單閾值分割后的結(jié)果，Ig為人工標(biāo)定圖像R為非顯著度為Is和Ig之差絕對值矩陣的均值。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于:評價顯著性檢測算法所得多幅顯著圖時，利用多幅顯著圖與其相對應(yīng)人工標(biāo)定圖像差異度定義平均非顯著度R，通過下式得到:
X mean I /' -夂 |R =」--(2)
J 其中，j為待評價圖片張數(shù)。
【文檔編號】G06T7/00GK104318571SQ201410594835
【公開日】2015年1月28日 申請日期:2014年10月29日 優(yōu)先權(quán)日:2014年10月29日
【發(fā)明者】李策, 胡治佳, 肖利梅, 苗修勛, 萬騰 申請人:蘭州理工大學(xué)