[發(fā)明專利]基于視覺顯著性的圖像自適應(yīng)方法

有效

• 申請?zhí)枺?/td>: 200910046976.1
• 申請日: 2009-03-04
• 公開（公告）號: CN101510299A
• 公開（公告）日: 2009-08-19
• 發(fā)明（設(shè)計）人: 劉志;顏紅波;韓忠民;沈禮權(quán);張兆楊
• 申請（專利權(quán)）人: 上海大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G09G5/00
• 代理公司: 上海上大專利事務(wù)所(普通合伙)
• 代理人: 陸聰明

1.一種基于視覺顯著性的圖像自適應(yīng)方法，其特征在于首先是計算原始圖像的能量；其次是提取原始圖像中的顯著性對象并且增強顯著性對象的相對能量；然后利用動態(tài)規(guī)劃技術(shù)找出圖像中垂直方向和水平方向上能量最低的縫隙，剔除這些縫隙，實現(xiàn)圖像的自適應(yīng)，其具體實現(xiàn)步驟是：

A、計算原始圖像的能量：將原始彩色圖像轉(zhuǎn)換為灰度圖像，然后計算灰度圖像的梯度，每個像素梯度值的大小即為原始圖像對應(yīng)的每個像素的能量值；

B、提取顯著性對象并且提高其相對能量：將原始彩色圖像進行顏色分解，接著進行差分顏色重組，然后對重組后的圖像分塊并且計算相應(yīng)的塊均值和塊方差，最后分別計算塊均值和塊方差的信息熵，根據(jù)所計算信息熵的一致性來確定顯著性對象，提高顯著性對象的相對能量；

C、利用動態(tài)規(guī)劃技術(shù)來找出圖像中垂直方向和水平方向上能量最低的縫隙，剔除這些縫隙：定義圖像垂直和水平方向上的縫隙，利用動態(tài)規(guī)劃技術(shù)反復(fù)找出局部最優(yōu)的縫隙，剔除這些縫隙。

2.根據(jù)權(quán)利要求1所述的基于視覺顯著性的圖像自適應(yīng)方法，其特征在于上述方法的步驟A中的計算原始圖像的能量按公式(1)計算：采用梯度算子作為能量函數(shù)，假設(shè)輸入的原始圖像為I(m，n)，其中，m，n分別對應(yīng)原始圖像的高和寬，

其中，E(I)表示原始圖像的能量，?分別代表絕對值符號，圖像分別在x，y方向上的偏導(dǎo)數(shù)。

3.根據(jù)權(quán)利要求1所述的基于視覺顯著性的圖像自適應(yīng)方法，其特征在于：上述方法的步驟B中的提取原始圖像中的顯著性對象并且提高其相對能量按照以下幾個步驟來檢測和增強顯著性對象：

B1.將原始彩色圖像進行彩色分解，如果原始圖像不是RGB圖像，將其轉(zhuǎn)換為RGB圖像，然后按照公式(2)進行顏色分解，?

其中，r，g，b表示原始RGB圖像三個顏色通道值：紅色，綠和藍色，R_new，G_new，B_new，Y_new分別表示分離后的單色圖像：紅色，綠色，藍色和黃色；

B2、將分離后的單色圖像進行相互的差分運算，一共得到6種差分圖像，將分離后的單色圖像R_new，G_new，B_new，Y_new進行相互的差分運算，用Θ表示圖像間的差分運算，具體步驟如公式(3)所示，

其中，RG_diff，RB_diff，RY_diff，GB_diff，GY_diff，BY_diff分別對應(yīng)紅綠，紅藍，紅黃，綠藍，綠黃和藍黃的差分圖像；

B3、計算差分圖像的塊均值和塊方差并且進行二值化，對每個差分圖像進行分塊，用Block(i，j)表示，每個塊的大小為N×M，然后按照公式(4)來計算差分圖像的塊均值和塊方差，

其中，σ_i，j和μ_i，j分別表示塊Block(i，j)的偏差和均值，I_i，j(x，y)表示塊Block(i，j)內(nèi)的像素，該方法采用一種基于塊的局部量化方法：若σ_i，j和μ_i，j分別大于?和?設(shè)σ_i，j＝255，?μ_i，j＝255；若σ_i，j和μ_i，j分別小于?和?設(shè)σ_i，j＝0，μ_i，j＝0；計算量化后均值圖像和偏差圖像的信息量，通過比較信息量選出最佳的差分圖像，得出顯著性圖，

根據(jù)香農(nóng)信息理論原理，計算出每個均值圖像和方差圖像的信息熵，根據(jù)信息熵的一致性得出每個差分圖像作為顯著性圖像的可能性，挑選出包含顯著性對象的那張圖像并且提高顯著性對象的相對能量，信息熵的計算(5)式所示，

Entropy＝-log(P(x))????(5)

其中，Entropy表示信息熵，P(x)表示某個差分圖像對應(yīng)均值圖像或方差圖像最大值像素所占整個總像素的概率，一致性判據(jù)為：若量化后的均值圖像和方差圖像的信息量熵的相對距離越近，對應(yīng)的差分圖像的作為顯著性圖像的概率越大，找出顯著性圖像后增強顯著性對象的能量。?