[發(fā)明專利]結(jié)合空間分布和全局對比的顯著區(qū)域檢測方法

有效

• 申請?zhí)枺?/td>: 201110442240.3
• 申請日: 2011-12-26
• 公開（公告）號: CN102542267A
• 公開（公告）日: 2012-07-04
• 發(fā)明（設(shè)計）人: 牛夏牧;賀欣;景慧昀;李瓊;韓琦
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G06K9/32
• 分類號: G06K9/32
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 牟永林

技術(shù)領(lǐng)域

本發(fā)明涉及一種結(jié)合空間分布和全局對比的顯著區(qū)域檢測方法，屬于顯著性檢測技術(shù)領(lǐng)域。

背景技術(shù)

人類視覺系統(tǒng)能夠從圖像或視頻中迅速檢測到重要或者令人感興趣的區(qū)域以降低運算量。眾所周知，視覺顯著性在使那些重要或令人感興趣的區(qū)域從其周圍環(huán)境中“凸顯”出來，進而引起人類注意的過程中，起到了非常重要的作用。因此，顯著性檢測是視覺注意理論(visual?attention)中不可缺少的重要組成部分。目前，視覺檢測已經(jīng)廣泛應(yīng)用于目標(biāo)檢測、圖像裁剪、圖像瀏覽以及圖像/視頻壓縮等領(lǐng)域。

顯著性檢測主要分為兩大類：自底向上顯著性檢測和自頂向下顯著性檢測。自底向上顯著性檢測方法指那些速度快、刺激驅(qū)動并且獨立于場景中的知識的檢測機制；而自頂向下顯著性檢測是指那些速度慢、目標(biāo)導(dǎo)向并且需要先驗知識的檢測方法。

心理學(xué)研究表明，密集模式是一種典型的心理學(xué)模式。表現(xiàn)在視覺上，即空間分布密集的區(qū)域相比空間分布稀疏區(qū)域更加顯著。然而現(xiàn)有的顯著區(qū)域檢測方法并沒有考慮空間分布因素對區(qū)域顯著性的影響，使得顯著性區(qū)域的判定效率低。

發(fā)明內(nèi)容

為了解決現(xiàn)有的顯著區(qū)域檢測方法不考慮空間分布因素對區(qū)域顯著性的影響，使顯著性區(qū)域的判定效率低的問題，提供一種結(jié)合空間分布和全局對比的顯著區(qū)域檢測方法。

本發(fā)明所述結(jié)合空間分布和全局對比的顯著區(qū)域檢測方法，它包括以下步驟：

步驟一：將輸入圖像按照graph-cut圖像分割方法進行分割，獲得N個子圖像區(qū)域，N為大于或者等于2的整數(shù)；

步驟二：計算每個子圖像區(qū)域r_k的空間分布顯著值S_sd(r_k)，k表示子圖像區(qū)域的序號，取值從1至N；

步驟三：計算每個子圖像區(qū)域r_k的全局對比顯著值S_rc(r_k)；

步驟四：根據(jù)步驟二和步驟三中獲得的空間分布顯著值S_sd(r_k)和全局對比顯著值S_rc(r_k)，計算獲得子圖像區(qū)域r_k的顯著值S(r_k)；

步驟五：將N個子圖像區(qū)域的顯著值S(r_k)按照從高到低的順序進行標(biāo)記，得到輸入圖像的顯著區(qū)域，完成輸入圖像的顯著區(qū)域檢測。

所述步驟二中計算每個子圖像區(qū)域r_k的空間分布顯著值S_sd(r_k)的具體方法為：

首先，計算子圖像區(qū)域r_k內(nèi)所有像素點的坐標(biāo)的x分量均值和y分量均值

xrk‾=Σi=1MxrkiM,]]>

yrk‾=Σi=1MyrkiM,]]>