CN108629805B - 一种基于图像分层技术的显著性物体检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于图像分层技术的显著性物体检测方法，包括采集背景图像中各像素的像素值；针对每一像素计算其与其他像素间距离和；对每一像素的距离和进行转换得到该像素的显著性特征值，根据每一像素的显著性特征值获取特征图像；记录所有显著性特征值中的最大值与最小值，计算最大值与最小值之差将特征图像映射至数值范围内；通过对应像素值与显著性特征值将背景图像映射至数值范围内得到第一拉伸图像；将特征图像减去第一拉伸图像以获得子背景图像；将子背景图像映射到数值范围中获取第二拉伸图像；将第二拉伸图像减去特征图像得到目标图像。本发明还公开了基于上述方法的物体检测系统，包括采集模块、图像处理模块、计算模块、输出模块。

Description

一种基于图像分层技术的显著性物体检测方法及系统

技术领域

本发明涉及图像分层技术检测领域，尤其涉及一种基于图像分层技术的显著性物体检测方法及系统。

背景技术

目前，对于复杂环境背景下的目标物体检测，往往容易受到背景信息的影响。比如在马路上面检测车辆目标，而正值晴天阳光从路两侧的树木上投下巨大的影子，车辆正好行进都影子当中。此时，会发现在图像上面比较醒目的是影子，而车辆在影子里面的局部区域内是突出的。故此，如果想从图像中将车辆检测出来，可以先将影子分离出来，然后再从影子中将车辆分离出来，这就是所谓的“图像分层”。

一般情况下，如果目标物体在背景图像中存在却又不好直接分离出来的场景，都可以使用图像分层的方法，先将图像中容易与背景分离出来又包含目标物体的区域分离出来，再想办法将其与目标物体分离出来。

因此，亟需一种更好地检测物体的方法及系统，将隐藏于背景中阴影部分的物体从背景中突显出来，从而达到将目标物体从背景中分离的目的。

发明内容

为了克服上述技术缺陷，本发明的目的在于提供一种基于图像分层技术的物体检测方法及系统，用于解决处于背景图像的阴影中的目标物体难以被准确地识别的问题。

本发明公开了一种基于图像分层技术的显著性物体检测方法，包括：采集背景图像中各个像素的像素值；针对每一像素计算该像素与其他像素之间距离和；对所述每一像素的距离和进行转换得到该像素的显著性特征值，根据每一像素的显著性特征值获取特征图像；记录所有显著性特征值中的最大值与最小值，计算所述最大值与最小值之差将所述特征图像映射至一数值范围内；通过对应所述像素值与所述显著性特征值将所述背景图像映射至所述数值范围内得到第一拉伸图像；将所述特征图像减去所述第一拉伸图像以获得子背景图像；将所述子背景图像映射到所述数值范围中获取第二拉伸图像；将所述第二拉伸图像减去所述特征图像得到目标图像。

优选地，对所述每一像素的距离和进行的运算为指数运算，指数值与该像素在所述背景图像中的对比度相关。

优选地，在获取特征图像后，对所述特征图像进行均值滤波，增强所述特征图像的边缘部分。

优选地，所述均值滤波可具有方向倾斜以实现特定方向的边缘增强。

优选地，所述数值范围设定为0-255。

优选地，所述计算该像素与其他像素之间距离和包括计算该像素与其他像素之间的欧氏距离。

优选地，二值化所述目标图像获得二值图像。

本发明还公开了一种基于图像分层技术的显著性物体检测系统，包括采集模块、图像处理模块、计算模块、输出模块；所述采集模块采集背景图像中各个像素的像素值；所述计算模块针对每一像素计算该像素与其他像素之间距离和，并对所述每一像素的距离和进行转换得到该像素的显著性特征值，记录所有显著性特征值中的最大值与最小值，计算所述最大值与最小值之差；所述图像处理模块根据每一像素的显著性特征值获取特征图像，并将所述特征图像映射至一数值范围内，通过对应所述像素值与所述显著性特征值将所述背景图像映射至所述数值范围内得到第一拉伸图像，将所述特征图像减去所述第一拉伸图像以获得子背景图像，将所述子背景图像映射到所述数值范围中获取第二拉伸图像，将所述第二拉伸图像减去所述特征图像得到目标图像；所述输出模块输出所述目标图像。

优选地，该系统还包括滤波模块，所述滤波模块在获取特征图像后，对所述特征图像进行均值滤波，增强所述特征图像的边缘部分。

优选地，所述图像处理模块在获得目标图像后，对所述目标图像作二值化从而获得二值图像。

采用了上述技术方案后，与现有技术相比，本发明公开的基于图像分层技术的物体检测方法具有以下有益效果：

1、本发明在一定程度上解决了复杂背景情况下，目标物体在大逆光或大阴影的笼罩范围内时的目标物体与背景环境的逐层分离，进而实现了目标物体与背景图像的图像分割。该方法适用范围比较广，计算复杂度相对较低，对各种场景的目标检测具有普遍适用性。

2、本发明利用基于图像对比度的显著性分析方法与图像拉伸做差的方法，将图像背景与子背景逐步分割开，并通过一定比例的均值滤波增强其中第一层分离出来的背景的边界轮廓，有效地防止含有目标物体的部分图像区域被前面的做差削弱，保证了后面目标物体的准确检测。

附图说明

图1为符合本发明优选实施例的显著性物体检测方法流程图；

图2为图1的显著性物体检测方法的一种变形例的流程图；

图3为符合本发明优选实施例的显著性物体检测系统模块图。

附图标记：

1-物体检测系统；

11-采集模块；

12-图像处理模块；

13-计算模块；

14-输出模块。

具体实施方式

以下结合附图与具体实施例进一步阐述本发明的优点，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

如图1所示，本发明公开了一种基于图像分层技术的显著性物体检测方法。图像分层技术是常见的将目标物体从背景中分离的方法，本发明的显著性物体检测方法基于图像分层技术的显著性分析方法与拉伸做差的方法，先将含有目标物体的子背景区域从背景图像中分离而出，再在该子背景区域中检测目标物体，从而能够更加准确地将目标物体从背景图像中检测出来。

本发明所公开的显著性物体检测方法包括：采集背景图像中各个像素的像素值，使得背景图像中每个像素均有一个与之对应的像素值，将每个像素用值表示，从而便于图像处理的匹配、索引、计算等操作。

在采集获得的背景图像中，本发明公开的显著性物体检测方法针对每一像素计算该像素与其他像素之间距离和，作为衡量该像素的对比度的度量。优选地，计算该像素与其他像素之间距离和包括计算该像素与其他像素之间的欧氏距离，即计算像素之间的直线距离，但本发明中计算像素之间的距离和并不局限于计算欧氏距离，还可以通过计算D4距离、D8距离等方法来计算像素之间的距离和。

基于上述获取的像素之间的距离和，对获取的每一个像素点所对应的距离和进行转换得到该像素的显著性特征值，该转换是对背景图像所做的一次图像增强，即通过将像素的距离和做一定的处理，比如对比度拉升、伽马校正、直方图均衡化、直方图规定化、同态滤波等，本发明的物体检测方法优选地使用指数运算的方法，即将每一个像素所对应的距离和取一定的指数运算，以作为该像素的显著性特征值，其中所取的指数值则与需检测的目标物体在背景图像中的对比度强烈程度有关，可以根据具体情况具体设定符合目标物体在背景图像中的对比度的指数值。根据在将各个像素的距离和作指数运算后获得的每个像素所对应的显著性特征值，从而获取整个背景图像的特征图像，作为显著性物体的分析图像。

在获取了背景图像的增强图像，即作为显著性物体的分析图像的特征图像后，将特征图像中所有像素的显著性特征值中的最大值与最小值记录下来，计算最大值与最小值之差将特征图像映射至一数值范围内。即通过特征值的最大值与最小值的差值计算来确定各个像素的距离和的变化幅度，从而在将特征值归一化的过程中确立了像素值-距离和-特征值的索引基准，通过对应像素值与显著性特征值将背景图像映射至数值范围内得到第一拉伸图像。其中，此处的数值范围可以根据实际情况具体设定，本发明中，该数值范围优选地设定为0-255。

在获取0-255的数值范围内的第一拉伸图像后，用特征图像减去第一拉伸图像，从而获得子背景图像，该子背景图像即为突出了目标物体的图像。此处完成了第一步图像分层处理。在实际应用中，就是把背景图像中包含目标物体的阴影区域从背景图像中分离出来，再进行下一步的图像分层处理，以将目标物体从子背景图像中分离出来。

本发明的物体检测方法在将子背景图像分离而出后，继续进行进一步的图像分层处理，即将子背景图像映射到0-255的数值范围中获取第二拉伸图像，该第二拉伸图像就是拉伸了的子背景图像，此处同样对其做了归一化处理。

然后，将第二拉伸图像减去特征图像，最后得到目标图像。该目标图像是经过二次图像分层处理后得到的准确显示目标物体的图像，实现了目标物体与背景图像的图像分割。

在本发明的一个优选实施例中，该物体检测方法还包括，在获取特征图像后，对特征图像进行均值滤波，增强特征图像的边缘部分。优选地，该均值滤波可具有方向倾斜以实现特定方向的边缘增强，比如想增强水平方向边缘，可以使用3*1的均值滤波模板。本发明逐层将背景图像进行分离，并在分离做差前使用带有方向倾斜的均值滤波进行边界轮廓的增强，保证了目标物体在子背景图像中的完整性，从而提高了检出目标物体的准确性。

在本发明的一个优选实施例中，该物体检测方法还包括，在最终获取了目标图像后，对目标图像进行二值化处理，获得突出了显著性目标物体的二值图像。在获取二值化图像后，对于该二值化图像中提供的关于目标物体的候选区域，我们可以使用经典的分类器比如SVM或Adaboost等方法进行分类判别是否是目标物体，如果分类器的判断结果为“是”即可实现目标物体与原图像的分割；如果分类器的判断结果为“否”则不起作用。从而进一步提高检测物体的准确性。

如图2所示，本发明的基于图像分层技术的显著性物体检测方法的一个变形例中，在将像素的距离和分别归一化到0-255的数值范围之间后，先将背景图像也对应地拉伸至该0-255的数值范围内得到第一拉伸图像，保证与像素的距离和的变化范围相同，再将第一拉伸图像中的每个像素值作为像素的距离和中的索引，从而得到该第一拉伸图像中的像素值对应的显著性特征值，再遍历整个背景图像，计算背景图像中每个像素值所对应的的显著性特征值，从而获取特征图像。

如图3所示，本发明还公开了一种基于图像分层技术的显著性物体检测系统1，包括采集模块11、图像处理模块12、计算模块13、输出模块14。该物体检测系统1使用上文的物体检测方法，对目标物体进行精准地检测，从而实现在一些难以直接分离目标物体的场景中分离目标物体的效果。

在该物体检测系统1中，采集模块11用于采集背景图像中各个像素的像素值，使得背景图像中每个像素均有一个与之对应的像素值，将每个像素用值表示，从而便于图像处理的匹配、索引、计算等操作。

在该物体检测系统1中，计算模块13针对每一像素计算该像素与其他像素之间距离和，作为衡量该像素的对比度的度量。优选地，计算模块13计算该像素与其他像素之间距离和包括计算该像素与其他像素之间的欧氏距离，即计算像素之间的直线距离，但本发明中计算像素之间的距离和并不局限于计算欧氏距离，还可以通过计算D4距离、D8距离等方法来计算像素之间的距离和。该计算模块13还针对每一像素的距离和进行转换得到该像素的显著性特征值，该转换是对背景图像所做的一次图像增强，即通过将像素的距离和做一定的处理，比如对比度拉升、伽马校正、直方图均衡化、直方图规定化、同态滤波等，本发明的物体检测方法优选地使用指数运算的方法，即将每一个像素所对应的距离和取一定的指数运算，以作为该像素的显著性特征值，其中所取的指数值则与需检测的目标物体在背景图像中的对比度强烈程度有关，可以根据具体情况具体设定符合目标物体在背景图像中的对比度的指数值。并记录所有显著性特征值中的最大值与最小值，计算最大值与最小值之差。

在该物体检测系统1中，图像处理模块12根据在将各个像素的距离和作指数运算后获得的每个像素所对应的显著性特征值，从而获取整个背景图像的特征图像，作为显著性物体的分析图像，并将特征图像映射至一数值范围内。即通过特征值的最大值与最小值的差值计算来确定各个像素的距离和的变化幅度，从而在将特征值归一化的过程中确立了像素值-距离和-特征值的索引基准，通过对应像素值与显著性特征值将背景图像映射至数值范围内得到第一拉伸图像。其中，此处的数值范围可以根据实际情况具体设定，本发明中，该数值范围优选地设定为0-255。接着，图像处理模块12通过对应像素值与显著性特征值将背景图像映射至0-255的数值范围内得到第一拉伸图像后，将特征图像减去第一拉伸图像以获得子背景图像，该子背景图像即为突出了目标物体的图像。此处完成了第一步图像分层处理。在实际应用中，就是把背景图像中包含目标物体的阴影区域从背景图像中分离出来，再进行下一步的图像分层处理，以将目标物体从子背景图像中分离出来。然后进行二次图像分层处理，即将子背景图像映射到0-255数值范围中获取第二拉伸图像，该第二拉伸图像就是拉伸了的子背景图像，此处同样对其做了归一化处理。再将第二拉伸图像减去特征图像得到目标图像。该目标图像是经过二次图像分层处理后得到的准确显示目标物体的图像，实现了目标物体与背景图像的图像分割。

在该物体检测系统1中，输出模块14输出目标图像。

在本发明的一个优选实施例中，该物体检测系统1还包括滤波模块，滤波模块在获取特征图像后，对特征图像进行均值滤波，增强特征图像的边缘部分。优选地，该均值滤波可具有方向倾斜以实现特定方向的边缘增强，比如想增强水平方向边缘，可以使用3*1的均值滤波模板。本发明逐层将背景图像进行分离，并在分离做差前使用带有方向倾斜的均值滤波进行边界轮廓的增强，保证了目标物体在子背景图像中的完整性，从而提高了检出目标物体的准确性。

优选地，图像处理模块12在获得目标图像后，对目标图像作二值化处理，从而获得突出了显著性目标物体的二值图像。在获取二值化图像后，对于该二值化图像中提供的关于目标物体的候选区域，我们可以使用经典的分类器比如SVM或Adaboost等方法进行分类判别是否是目标物体，如果分类器的判断结果为“是”即可实现目标物体与原图像的分割；如果分类器的判断结果为“否”则不起作用。从而进一步提高检测物体的准确性。

本发明使用基于图像对比度的显著性分析方法与图像拉伸做差的方法，将背景图像与含有目标物体的子背景区域进行分离。先将包含目标物体且与整个背景图像存在强烈对比度的区域分离出来，即形成原图像的一个子图像。然后在该子图像上，根据目标物体与当前的背景直接的对比程度，使用基于像素对比度的显著性分析方法，将包含部分或全体的目标物体区域从该子图像中分离出来，进而形成包含目标物体的二值化图像。

应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种基于图像分层技术的显著性物体检测方法，其特征在于，该方法包括：

采集背景图像中各个像素的像素值；

针对每一像素计算该像素与其他像素之间距离和；

对所述每一像素的距离和进行转换得到该像素的显著性特征值，根据每一像素的显著性特征值获取特征图像，其中，所述转换是对所述背景图像进行的一次图像增强；

记录所有显著性特征值中的最大值与最小值，计算所述最大值与最小值之差以确定各个像素的距离和的变化幅度，并以此为基础将所述特征图像映射至一数值范围内；

通过对应所述像素值与所述显著性特征值将所述背景图像映射至所述数值范围内得到第一拉伸图像；

将所述特征图像减去所述第一拉伸图像以获得子背景图像；

将所述子背景图像映射到所述数值范围中获取第二拉伸图像；

将所述第二拉伸图像减去所述特征图像得到目标图像。

2.如权利要求1所述的基于图像分层技术的显著性物体检测方法，其特征在于，对所述每一像素的距离和进行的运算为指数运算，指数值与该像素在所述背景图像中的对比度相关。

3.如权利要求1所述的基于图像分层技术的显著性物体检测方法，其特征在于，在获取特征图像后，对所述特征图像进行均值滤波，增强所述特征图像的边缘部分。

4.如权利要求3所述的基于图像分层技术的显著性物体检测方法，其特征在于，所述均值滤波可具有方向倾斜以实现特定方向的边缘增强。

5.如权利要求1所述的基于图像分层技术的显著性物体检测方法，其特征在于，所述数值范围设定为0-255。

6.如权利要求1所述的基于图像分层技术的显著性物体检测方法，其特征在于，所述计算该像素与其他像素之间距离和包括计算该像素与其他像素之间的欧氏距离。

7.如权利要求1所述的基于图像分层技术的显著性物体检测方法，其特征在于，二值化所述目标图像获得二值图像。

8.一种基于图像分层技术的显著性物体检测系统，其特征在于，包括采集模块、图像处理模块、计算模块、输出模块；

所述采集模块采集背景图像中各个像素的像素值；

所述计算模块针对每一像素计算该像素与其他像素之间距离和，并对所述每一像素的距离和进行转换得到该像素的显著性特征值，记录所有显著性特征值中的最大值与最小值，计算所述最大值与最小值之差以确定各个像素的距离和的变化幅度，其中，所述转换是对所述背景图像进行的一次图像增强；

所述图像处理模块根据每一像素的显著性特征值获取特征图像，并基于所述变化幅度将所述特征图像映射至一数值范围内，通过对应所述像素值与所述显著性特征值将所述背景图像映射至所述数值范围内得到第一拉伸图像，将所述特征图像减去所述第一拉伸图像以获得子背景图像，将所述子背景图像映射到所述数值范围中获取第二拉伸图像，将所述第二拉伸图像减去所述特征图像得到目标图像；

所述输出模块输出所述目标图像。

9.如权利要求8所述的基于图像分层技术的显著性物体检测系统，其特征在于，还包括滤波模块，所述滤波模块在获取特征图像后，对所述特征图像进行均值滤波，增强所述特征图像的边缘部分。

10.如权利要求8所述的基于图像分层技术的显著性物体检测系统，其特征在于，所述图像处理模块在获得目标图像后，对所述目标图像作二值化从而获得二值图像。

Images