[發明專利]像素層面的感興趣區域提取方法

無效

• 申請號: 201110377763.4
• 申請日: 2011-11-23
• 公開（公告）號: CN102496023A
• 公開（公告）日: 2012-06-13
• 發明（設計）人: 沈海瀾;陳再良;鄒北驥
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T7/00
• 代理公司: 長沙市融智專利事務所 43114
• 代理人: 黃美成

技術領域

本發明屬于圖像識別技術領域，涉及一種像素層面的感興趣區域提取方法。

背景技術

心理學上的研究發現，較能引起人們注意的是圖像中那些能夠產生新奇刺激的區域或者是圖像中人們自己所期待的刺激對應的那些區域，這些區域即感興趣區域，也稱為視覺顯著區域，這些區域包含了絕大多數的圖像信息。這使得在處理圖像時，如果得到了圖像中的感興趣區域，便能獲知圖像中的絕大部分信息，而著重對這些區域進行分析，則可減少計算量，從而應對圖像數據量的大量增長。與此同時，還需要更加準確的感興趣區域提取與分析的方法來對圖像中的相關區域進行準確的識別和操作，以可滿足人們在各種領域(如醫學影像、氣象監測、仿真視覺等)中不斷提高的要求。在圖像壓縮與編碼、圖像檢索、場景渲染、目標檢測、目標識別、主動視覺等應用領域，引入視覺注意機制及相應的模型，能夠在降低圖像處理計算量的同時，有效提高計算機信息處理的效率。正因為在這些領域中突出的表現，圖像感興趣區域的提取具有極其重要的研究及應用價值。

在圖像場景中提取感興趣區域時，需要進行的一項工作就是確定場景中哪些部分比較引人注目，哪些部分不引人注意。比較直觀的方法就是根據圖像本身不同區域的顯著程度，生成圖像對應的顯著圖。通常情況下，顯著圖為單通道灰度圖像，用來表示原圖像的顯著程度，一般采用視覺注意模型來獲得顯著圖，目前較為經典的視覺注意模型有以下幾種。

Itti-Koch模型，是Itti等人于1998年基于Treisman等人的特征整合理論，以及Koch和Ullman的生物學架構而提出的顯著性模型。Itti-Koch模型從原始輸入圖像中提取亮度、顏色、方向三種特征，并對其中每一維使用高斯模糊連續2次采樣，建立9級(0級是原始圖像)的高斯金字塔；并使用高斯差異(Difference?of?Gaussians，DoG)決定中央周邊差，根據中央周邊差計算得到各個特征維上的醒目圖(conspicuity?map)；分析、融合每一維的特征圖，從而得到顯著圖(saliency?map)。

2003年，Fred?W?M?Stentiford提出了Stentiford模型。在Stentiford模型中，提出了認知視覺注意(Cognitive?Visual?Attention，CVA)，這是圖像中的鄰近點對與相似度的一種概括，同時采用視覺注意圖來表示圖像的顯著性。Stentiford模型總體思路是，輸入圖像的某個區域的特征相對于其他區域而言，出現的頻率越少，則其認知視覺注意分數越高；而圖像當中特征分布規律與模式相同的區域被抑制。對于每一個像素，都取其鄰居像素與隨機抽取的其他若干個像素作比較，從中得到顯著圖。

光譜剩余模型(SRM)由Hou和Zhang于2007年提出。光譜剩余模型通過分析輸入圖像的log光譜(Log?Spectrum)，提取圖像在光譜領域的光譜剩余來建立對應空間領域的顯著圖。從信息論的角度說，有效的編碼可以把圖像分割為兩部分，即圖像中新穎的部分，以及應該被編碼系統抑制的冗余信息。光譜剩余模型通過去除概率冗余部分來估計圖像新穎部分，并專注于自然圖像的全體平均傅里葉振幅分布。給定一個輸入圖像，其對應的log光譜由下采樣為高或者寬是64像素的圖像計算得到；log光譜的大體形狀是在預處理過程得到的信息，接著獲取輸入圖像的特別概率奇點(Statistical?Singularities)，平均光譜則可以由輸入圖像卷積近似獲得；最后通過log光譜與平均光譜作差，得到光譜剩余。光譜剩余模型中，光譜剩余包含圖像的新穎點，可以被看作一個場景的微縮表示。對最后的結果采用傅里葉反變換，則可以在空間領域獲得顯著圖的輸出圖像。本模型的顯著圖主要包含了場景中的非平凡部分，剩余的光譜的內容也可以被解釋為是圖像中沒有被預料到的一部分。