[發明專利]一種顯著性物體快速檢測方法

有效

• 申請號: 201110335538.4
• 申請日: 2011-10-28
• 公開（公告）號: CN102426704A
• 公開（公告）日: 2012-04-25
• 發明（設計）人: 王好謙;張新;徐秀兵;戴瓊海
• 申請（專利權）人: 清華大學深圳研究生院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 江耀純

技術領域

本發明涉及計算機圖像處理領域，特別是涉及一種顯著性物體快速檢測方法。

背景技術

人腦和視覺系統對圖片中的某些部分會給予更多的關注。心理學，生理學和神經系統學計算機視覺等學科對視覺注意模型進行了長時間的研究。視覺注意模型的應用也是相當廣泛。如基于區域的圖像檢索和基于內容的圖像壓縮等。還有圖像的自動拷貝，圖像在小型顯示設備上的顯示，圖像視頻的壓縮，甚至是平面廣告設計和圖片的采集和瀏覽，2d圖像向3d圖像轉換的分析，另外相似圖像的檢索也日益成為圖像研究領域的熱點，顯著性圖還可以用于目標定位。圖像中顯著性物體的檢測關系到后續工作的成敗。

劉鐵等人在其發表于IEEE的論文《顯著性物體檢測研究》(英文原文為：《Learning?to?detect?a?salient?object》)中提出采用中心-周邊直方圖算法(英文表述為：Center-surround?histogram)進行顯著性物體檢測分析，但是其計算中需采用多個不同的長寬比進行盲目的試探性計算，再作比較，導致檢測效率低下。

發明內容

本發明所要解決的技術問題是，提供一種顯著性物體快速檢測方法，提高顯著性物體檢測的檢測速度與檢測精度。

本發明的技術問題通過以下技術手段予以解決：

一種顯著性物體快速檢測方法，，包括以下步驟：

1)對待檢測圖像進行多次小波變換，得到待檢測圖像的HL、LH、HH頻帶數據，對各次小波變換所的到的HH頻帶數據采用雙線性差值的方法放大到待檢測圖像尺寸并相加后得到第一顯著性特征圖；

2)將第一顯著性特征圖中各點的灰度值歸一化到0～255；

3)根據預定的灰度閾值，對第一顯著性特征圖進行二值化處理，并檢測二值化處理所得到的圖像中最大的矩形連續區域R_conf，計算該矩形連續區域R_conf的長寬比；

4)掃描待檢測圖像，得到以待檢測圖像的中心為中心并包含所述矩形連續區域R_conf的最小的矩形區域R_m；將矩形區域R_m范圍外的像素點的顯著性值置零，并通過中心——周邊直方圖算法計算矩形區域R_m范圍內各像素點的顯著性值，從而得到精確的顯著性圖，其中，所述中心——周邊直方圖算法的中心矩形和周邊矩形的長寬比均取矩形連續區域R_conf的長寬比。

與現有技術相比，本發明的方法采用小波變換的方法對圖像進行處理，完成顯著性物體的初步檢測，并通過像素歸一化、和二值化處理小波變換所得圖像，獲得顯著性物體的長寬比及大體位置信息，為中心-周邊直方圖算法提供準確的數據參考，避免了中心——周邊直方圖算法處理時采用不同長寬比進行盲目試探。

由于在實際應用中，多數圖像的顯著性物體均位于圖像的中心，優選在進行小波變換前，對原始圖像的部分邊緣進行裁剪，但裁剪幅度不宜過大，裁剪后形成的待檢測圖像的長、寬分別不小于原始圖像長、寬的80％。

使用雙邊濾波對待檢測圖像進行處理，能夠對圖像背景中可能含有的復雜紋理進行有效地抑制，同時保留顯著性物體的邊緣部分，有利于提高小波變換所得結果的精度。同理，還可以對像素歸一化后的圖像再次進行雙邊濾波處理以進一步提高檢測精度。

小波變換的次數優選6次，實驗證明，當小波變換次數小于6次時所得到的結果精度較低，而小波變換次數大于6次所得到的結果并不明顯優于6次的檢查結果，但卻會增加計算的復雜程度，降低效率。

優選地，所述預定的灰度閾值為125。

附圖說明

圖1是本發明具體實施方式的檢測方法的流程圖。

具體實施方式

下面對照附圖并結合優選具體實施方式對本發明進行詳細的闡述。

如圖1所示，本實施方式的顯著性物體快速檢測方法包括以下步驟：

1.初步剪裁

對待處理的原始圖像進初步的剪裁，如果圖像的長寬分別為h、w。將圖像中水平坐標范圍在[0，w/10]以及[9w/10，w]，垂直坐標范圍在[0，h/10]和[9h/10，h]的像素點裁去。得到待檢測圖像A，圖像A的長寬分別將減少為原始圖像的80％。在實際應用時，此處裁剪范圍可根據具體情況適當選取，但裁剪后的圖像的長寬分別不宜小于原圖長寬的80％。

2.對圖像A進行雙邊濾波處理，到圖像B