>[0077] 复原误差图表生成部122利用周缘部区域来作为模板设置（template set)，复原 (重新构成）其它区域，并生成体现复原误差的复原误差图表。周缘部在大多图像中为背 景，因此，认为在背景区域中上述复原的复原误差小，在前景区域中复原误差大。即，可以说 复原误差是体现对象像素与周缘部区域之间类似程度的尺度，可以说复原误差图表是体现 与周缘部区域之间的类似度的类似度图表。
[0078] 如图1所不，复原误差图表生成部122具有密集（Dense)复原误差图表生成部 122a、稀疏（Sparse)复原误差图表生成部122b、平滑处理部122c、综合处理部122d。
[0079] 利用密集复原误差图表生成部122a和稀疏复原误差图表生成部122b，根据不同 的算法分别生成复原误差图表（图2的步骤S3a~S4a以及S3b~S4b)。这些复原误差图 表是分别针对分辨率不同的超像素图像而生成的。平滑处理部122c分别针对各复原误差 图表实施平滑处理（S5a以及S5b)。综合处理部122d综合根据分辨率不同的超像素图像所 生成的多个密集（dense)复原误差图表（还称为多图层密集复原误差图表），生成以像素为 单位的一个密集复原误差图表（S6a)，并且综合根据分辨率不同的超像素图像生成的多个 稀疏（Sparse)复原误差图表（还称为多图层稀疏复原误差图表），生成以像素为单位的一 个稀疏复原误差图表（S6b)。
[0080] 以下，对复原误差图表生成部122内的各子功能部进行详细地说明。
[0081] 《密集复原误差图表生成部122a》
[0082] 密集复原误差图表生成部122a计算在如下情况下的误差，即，使用主成分分析 (PCA:Principal Component Analysis),根据周缘部区域重新构成对象区域的情况的误差 (还称为复原误差或重新构成误差）。此外，以下，将由密集复原误差图表生成部122a所进 行的PCA的复原（重新构成）称为密集复原。
[0083] 如步骤S3a所示，对超像素图像内的各超像素，进行利用了周缘部的超像素的密 集复原。以下，针对密集复原的详细进行说明。
[0084] 首先，对由周缘部超像素（设为M个）的特征量bi、b2、……、bM构成的背景模板 进行主成分分析，计算由D'个的固有矢量（主成分矢量） Ul、u2、……、uD'构成的标准化协 方差矩阵Ub。
[0085] [数学式3]
[0086] Ub = [U1, U2, , uD,]
[0087] 在此，D'的值只要在I < D' < M内则可以为任意值，还可以事先规定，还可以基 于贡献率（到第D'主成分为止的方差和占方差总合的比例）规定。
[0088] 利用该PCA基底Ub，以下述方式计算各超像素的复原系数β i。能够根据该复原系 数，基于周缘部超像素来对各超像素进行复原。
[0089] [数学式4]
【主权项】
1. 一种图像处理装置，其特征在于， 具有： 图像获取部，其获取图像， 类似度图表生成部，其将由所述图像的一个或多个像素构成的区域作为单位结构，基 于第一算法，计算表示所述区域与所述图像的周缘部的区域之间的类似度的第一类似度图 表，基于第二算法，计算表示所述区域与所述图像的周缘部的区域之间的类似度的第二类 似度图表， 显著性图表生成部，其综合所述第一类似度图表W及所述第二类似度图表来生成显著 性图表。
2. 如权利要求1所述的图像处理装置，其特征在于， 所述类似度图表生成部，基于所述周缘部的区域来重新构成对象的区域，W使得重新 构成误差越小则类似度越大的方式，生成所述第一类似度图表W及第二类似度图表。
3. 如权利要求1或2所述的图像处理装置，其特征在于， 利用所述第一算法进行如下计算： 对所述周缘部的区域的特征量实施主成分分析，计算多个固有矢量， 通过对多个所述固有矢量进行线性结合，来重新构成对象的区域的特征量， 重新构成误差越小，计算出类似度越大。
4. 如权利要求1或2中任一项所述的图像处理装置，其特征在于， 利用所述第二算法进行如下计算： W利用尽量少的周缘部的区域的特征量的组合来近似对象的区域的特征量的方式，利 用成本函数最小的系数，通过对所述周缘部的区域的特征量进行线性结合，来重新构成对 象的区域的特征量， 重新构成误差越小，计算出类似度越大。
5. 如权利要求1或2中任一项所述的图像处理装置，其特征在于， 还具有超像素图像生成部，所述超像素图像生成部将由所述图像获取部获取的图像划 分成由基于像素的特征量连结的多个像素构成的区域，来生成超像素图像， 所述类似度图表生成部，基于所述超像素图像，生成所述第一 W及第二类似度图表。
6. 如权利要求5所述的图像处理装置，其特征在于， 所述超像素图像生成部，生成超像素数不同的多个超像素图像， 所述类似度图表生成部进行如下处理： 基于第一算法，根据多个所述超像素图像分别生成类似度图表，对该些多个类似度图 表进行综合，W生成所述第一类似度图表， 基于第二算法，根据多个所述超像素图像分别生成类似度图表，对该些多个类似度图 表进行综合，W生成所述第二类似度图表。
7. 如权利要求6所述的图像处理装置，其特征在于， 所述类似度图表生成部，针对基于所述第一算法W及第二算法而根据多个所述超像素 图像分别生成的类似度图表实施平滑处理，然后生成所述第一类似度图表W及第二类似度 图表， 所述平滑处理是指，对用于生成所述类似度图表的超像素图像进行聚类，将各类内的 类似度进行平滑处理的处理。
8. 如权利要求6或7所述的图像处理装置，其特征在于， 所述类似度图表生成部，对基于所述第一算法W及第二算法而根据多个所述超像素图 像生成的多个类似度图表进行加权平均处理，W生成所述第一 W及第二类似度图表，所述 加权平均处理的权重是指，由所述图像获取部获取的图像中的像素的特征量与该像素所具 有的超像素的特征量越近则该加权平均处理的权重越大的权重。
9. 如权利要求1或2中任一项所述的图像处理装置，其特征在于， 所述类似度图表生成部，针对计算出的类似度，进行W在所述图像中检测出的物体的 位置为中也的加权处理，W生成所述第一类似度图表W及第二类似度图表。
10. 如权利要求1或2中任一项所述的图像处理装置，其特征在于， 所述显著性图表生成部进行如下处理： 用所述第一类似度图表作为事先准确率，根据所述第一类似度图表和所述第二类似度 图表计算似然度，并根据该事先准确率和似然度计算表示显著区域的事后准确率的第一显 著性图表， 用所述第二类似度图表作为事先准确率，根据所述第二类似度图表和所述第一类似度 图表计算似然度，并根据该事先准确率和似然度计算体现显著区域的事后准确率的第二显 著性图表， 对所述第一显著性图表和所述第二显著性图表进行综合，生成最终的显著性图表。
11. 一种图像处理方法，由计算机执行，其特征在于， 包括： 图像获取步骤，获取图像， 类似度图表生成步骤，将由所述图像的一个或多个像素构成的区域作为单位结构，基 于第一算法，计算表示所述区域与所述图像的周缘部的区域之间的类似度的第一类似度图 表，基于第二算法，计算表示所述区域与所述图像的周缘部的区域之间的类似度的第二类 似度图表， 显著性图表生成步骤，综合所述第一类似度图表W及所述第二类似度图表来生成显著 性图表。
【专利摘要】本发明提供图像处理装置、图像处理方法以及程序，其目的在于，不需要事先知识，对一张静态图像也能够高精度地评价显著度。图像处理装置具有：图像获取部，其获取图像；类似度图表生成部，其将由所述图像的一个或多个像素构成的区域作为单位结构，基于第一算法，计算体现所述区域与所述图像的周缘部的区域之间的类似度的第一类似度图表，基于第二算法，计算体现所述区域与所述图像的周缘部的区域之间的类似度的第二类似度图表；显著性图表生成部，其综合所述第一类似度图表以及所述第二类似度图表来生成显著性图表。
【IPC分类】G06T7-00, H04N5-232
【公开号】CN104680512
【申请号】CN201410669439
【发明人】阮翔, 卢湖川, 张立和, 李小晖
【申请人】欧姆龙株式会社
【公开日】2015年6月3日
【申请日】2014年11月20日
【公告号】EP2879080A2, US20150154471