本發(fā)明-屬于圖像目標(biāo)檢測的技術(shù)領(lǐng)域，尤其涉及對多視角圖像的目標(biāo)檢測方法。

背景技術(shù)：

視覺顯著性是指人們觀察外界事物時，視覺系統(tǒng)能夠自主探測、感知場景中各個位置的敏感性信息。該原理來源于人類視覺系統(tǒng)的仿生研究成果，它依據(jù)生物神經(jīng)原理建立計算模型，構(gòu)建類似于神經(jīng)系統(tǒng)捕捉、處理外界信息的過程，實現(xiàn)場景中顯著性目標(biāo)的感知。

經(jīng)過對現(xiàn)有技術(shù)總結(jié)發(fā)現(xiàn)，對于簡單場景圖像，基于視覺顯著性的目標(biāo)檢測容易取得好的效果，對于復(fù)雜場景圖像，基于單幅圖像顯著性信息的目標(biāo)檢測方法往往不能進行準(zhǔn)確的目標(biāo)區(qū)域檢測與判斷。利用更多的圖像能夠補充目標(biāo)信息，提高檢測準(zhǔn)確度?，F(xiàn)有的多幅圖像的顯著性計算主要集中于多幅相似圖像的聯(lián)合顯著性檢測，其主要問題在于相似圖像的來源受限，不適合實際應(yīng)用。隨著3D技術(shù)的發(fā)展，多視角圖像提供了另外一種基于多幅圖像的顯著性目標(biāo)檢測途徑，多視角顯著性可以融合更多信息，抑制復(fù)雜背景，突出顯著目標(biāo)，得到背景干擾小、邊緣清晰的顯著目標(biāo)。

技術(shù)實現(xiàn)要素：

本發(fā)明的發(fā)明目的在于：針對前景目標(biāo)未被遮擋的場景，提供一種多視角圖像中目標(biāo)檢測方法，以實現(xiàn)對無遮擋目標(biāo)在復(fù)雜背景場景下的目標(biāo)檢測與提取。

本發(fā)明針對前景目標(biāo)未被遮擋的場景，計算多個視角圖像的顯著性圖，將兩側(cè)視角的顯著性圖投影到中間目標(biāo)視角，消除投影圖中由于像素離散映射產(chǎn)生的不閉合細紋，得到兩側(cè)視角的影顯著性圖；并將兩側(cè)視角的投影顯著性圖與中間視角的顯著性圖融合，得到融合顯著性圖；將投影產(chǎn)生的空洞區(qū)域視為背景區(qū)域，在融合顯著性圖中消除；利用投影空洞劃分對融合顯著性圖進行圖像劃分，將投影空洞和邊緣之間的區(qū)域以及不同物體的投影空洞之間的區(qū)域視為背景，在融合顯著性圖中消除；對融合顯著性圖二值化，得到目標(biāo)檢測結(jié)果。

本發(fā)明的一種基于視覺顯著性的多視角圖像目標(biāo)檢測方法，包括下列步驟：

步驟1：輸入前景目標(biāo)未被遮擋的同一場景的左、中、右視角圖像，并計算各視角圖像的顯著性圖，得到左、中、右顯著性圖；

步驟2：分別將左、右顯著性圖依像素投影到中視角圖像，得到左、右投影圖，同時記錄投影時的投影空洞區(qū)域；分別消除左、右投影圖中的不閉合細紋得到左、右投影顯著性圖；

步驟3：將左、右投影顯著性圖和中顯著性圖進行圖像融合，得到融合顯著性圖，并在融合顯著性圖中將記錄的投影空洞區(qū)域的顯著性消除；

步驟4：基于記錄的投影空洞區(qū)域?qū)θ诤巷@著性圖進行圖像劃分，將投影空洞和邊緣之間的區(qū)域、以及不同圖像物體的投影空洞之間的區(qū)域作為背景區(qū)域，并在融合顯著性圖中消除所述背景區(qū)域的顯著性；

步驟5：步驟4處理后的融合顯著性圖進行二值化處理，輸出目標(biāo)檢測結(jié)果。

與現(xiàn)有技術(shù)相比，本方法針對前景不被遮擋的場景，能夠更好的抑制背景，得到背景干擾小、邊緣清晰的顯著目標(biāo)。

附圖說明

圖1本發(fā)明具體實施方式的流程圖。

圖2左右視角到中視角的投影示意圖。

圖3細紋修復(fù)示意圖。

圖4多視角融合顯著性圖。

圖5消除目標(biāo)周圍背景示意圖。

圖6利用投影空洞劃分圖像示意圖。

圖7多視角目標(biāo)檢測結(jié)果示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合實施方式和附圖，對本發(fā)明作進一步地詳細描述。

參見圖1，本發(fā)明的一種基于視角顯著性的多視角圖像目標(biāo)檢測方法，包括下列步驟：

步驟1：輸入前景目標(biāo)未被遮擋的同一場景的多視角圖像(左視角、中視角(中間目標(biāo)視角)、右視角，如圖2所示的a、b、c)并分別計算其顯著性，得到各視角的顯著性圖，同時完成視角投影。

比如利用背景先驗方法(BP)計算左中右三個視角圖像(圖2的a-c)的視覺顯著性圖，如圖2的d-f所示，即得到左顯著性圖(圖2-d)、中顯著性圖(圖2-e)、右顯著性圖(圖2-f)。然后將左右視角的顯著性圖依像素投影到中視角圖，得到左右視角的兩幅投影圖，如圖2的g-h所示。

投影時同時記錄中間目標(biāo)視角中未被映射的不閉合區(qū)域，其中不閉合區(qū)域分為兩種：一是由于視角映射時像素的離散性產(chǎn)生的不閉合細紋區(qū)域，二是由于視角遮擋產(chǎn)生的投影空洞區(qū)域。

步驟2：消除左右視角的投影圖中的不閉合細紋，得到左、右投影顯著性圖。

201：提取左投影圖S_Lp、右投影圖S_Rp中的不閉合細紋，得到圖像I_L-mask、I_R-mask，其中I_L-mask對應(yīng)S_Lp，I_R-mask對應(yīng)S_Rp；并初始化左、右修復(fù)圖I_Ls＝S_Lp、I_Rs＝S_Rp；

202：對圖I_Ls、I_Rs進行分塊離散余弦DCT變換，并將頻域中的高頻DCT系數(shù)(行數(shù)或列數(shù)大于二分之一變換塊的行高或列寬位置的系數(shù))置零后作DCT逆變換得到圖像I_Lp、I_Rp，其中I_Lp對應(yīng)I_Ls，I_Rp對應(yīng)I_Rs；

203：用圖像I_Lp、I_Rp填充投影圖S_Lp、S_Rp中的不閉合區(qū)域，得到新的左、右修復(fù)圖I_Ls＝I_Ls+I_Lp∩I_L-mask、I_Rs＝I_Rs+I_Rp∩I_R-mask；

204：若當(dāng)前左、右修復(fù)圖I_Ls、I_Rs中不存在不閉合細紋，則執(zhí)行步驟202；否則將當(dāng)前左、右修復(fù)圖I_Ls、I_Rs作為左、右投影顯著性圖，如圖3所示，其中圖3-a對應(yīng)左投影顯著圖，3-b對應(yīng)右投影顯著性圖。

步驟3：多視角顯著性圖融合及消除目標(biāo)周圍空洞區(qū)域。

一般的，多視角顯著性圖加權(quán)相加時，設(shè)左右視角與中間視角的視角相關(guān)系數(shù)為0.5，中間視角自身的視角相關(guān)系數(shù)為1，即左投影顯著性圖、中顯著性圖、右投影顯著性圖的視角相關(guān)系數(shù)r1、r2、r3分別為0.5、1、0.5，則根據(jù)公式w1＝r1/(r1+r2+r3)可得左投影顯著性圖的加權(quán)系數(shù)w1＝0.25，公式w2＝r2/(r1+r2+r3)可得中顯著性圖的加權(quán)系數(shù)w2＝0.5，公式w3＝r3/(r1+r2+r3)可得左投影顯著性圖的加權(quán)系數(shù)w3＝0.25，基于加權(quán)系數(shù)，對左投影顯著性圖、中顯著性圖、右投影顯著性圖進行加權(quán)求和可得到融合顯著性圖，如圖4所示。

在融合顯著性圖中，將由于視角遮擋產(chǎn)生的投影空洞區(qū)域的顯著性值置零，消除投影空洞區(qū)域后的顯著性圖參見圖5。

步驟4：利用投影空洞劃分圖像，消除背景。

基于步驟1中記錄的投影空洞區(qū)域，對融合顯著性圖進行圖像劃分。

參見圖6-a，其中①區(qū)為圖像物體，②區(qū)為投影產(chǎn)生的投影空洞區(qū)域，③區(qū)為投影空洞外側(cè)背景的區(qū)域，而④區(qū)為不處理區(qū)域(因不能判斷是否為投影空洞外側(cè))。

根據(jù)以上區(qū)域劃分，將從左往右的每對空洞的中間視為一個目標(biāo)物體，將投影空洞做形態(tài)學(xué)處理，細化為線條，即空洞線條。

然后將位于圖像左側(cè)第一個目標(biāo)物體的左側(cè)空洞線條與圖像的左側(cè)邊緣角連接形成封閉區(qū)域，將位于圖像右側(cè)第一個目標(biāo)物體的右側(cè)空洞線條與圖像的右側(cè)邊緣角連接形成封閉區(qū)域，對相鄰的兩個目標(biāo)物體，左側(cè)目標(biāo)物體的右側(cè)空洞線條與右側(cè)目標(biāo)物體的左側(cè)空洞線條的兩端連接形成封閉區(qū)域，并將以上三種封閉區(qū)域合并得到背景區(qū)域，參見圖6-b所示的3個閉合區(qū)域。

最后，在融合顯著圖中將背景區(qū)域的顯著性值置零，如圖7-a所示。

步驟5：對消除背景干擾后的融合顯著性圖作二值化，閾值th為圖像平均灰度的一半，即th＝1/MN*(∑∑S(x,y))/2，其中M、N分別為圖像的寬度和高度，S(x,y)表示灰度，令融合顯著性圖中，顯著性值大于或等于th的像素值為1，顯著性值小于th的像素值為0，得到最終的目標(biāo)檢測結(jié)果，如圖7-b所示。

以上所述，僅為本發(fā)明的具體實施方式，本說明書中所公開的任一特征，除非特別敘述，均可被其他等效或具有類似目的的替代特征加以替換；所公開的所有特征、或所有方法或過程中的步驟，除了互相排斥的特征和/或步驟以外，均可以任何方式組合。