[發明專利]一種基于期望步數的圖像顯著程度檢測方法

無效

• 申請號: 201310181065.6
• 申請日: 2013-05-16
• 公開（公告）號: CN103247051A
• 公開（公告）日: 2013-08-14
• 發明（設計）人: 段立娟;喬海濤;楊震;吳春鵬;苗軍;馬偉
• 申請（專利權）人: 北京工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 吳蔭芳

技術領域

本發明涉及圖像處理中的局部區域分析，特別涉及圖像中的視覺顯著性區域檢測方法。

背景技術

生物視覺系統所具有的視覺選擇性注意是由視覺顯著性機制驅動的。心理學研究發現，那些能夠產生新異的刺激、較強的刺激和人所期待的刺激的場景區域容易引起觀察者的注意。視覺選擇性注意機制是生物體特別是人類的一個內在屬性，面對復雜、未知的場景，人類能夠不受復雜背景影響，快速而準確地檢測到顯著目標，是由于人類可以通過顯著性區域優先分配圖像分析與合成所需要的計算資源。而計算機視覺系統只會不加選擇地平等對待視覺場景中的各個區域，在無法理解場景變化的同時還會造成計算瓶頸。如果我們把人類視覺系統的選擇性注意功能引入到計算機視覺系統中，勢必會提升現有計算機圖像分析效率。

模擬人類選擇性注意機制的計算模型提取的顯著性圖像被廣泛的應用于許多計算機視覺領域，如自適應圖像壓縮，目標檢測，目標識別，內容感知圖像編輯和圖像檢索等鄰域。因此，顯著性計算模型成為了一個比較流行的研究課題。

目前視覺顯著性的計算模型己經研究得比較深入，特別是Itti等人基于Treisman特征整合理論提出的模型極具代表性，該模型首先對輸入圖像構成空間金字塔并提取亮度，顏色和方向等初級視覺特征，然后進行多尺度融合，并基于“中央一周邊差”理論度量圖像中每個局部區域在每種特征上的顯著程度，形成特征顯著圖。最后對特征顯著圖進行線性求和得到總的視覺顯著圖。但是，目前的顯著性檢測算法主要是建立在視覺特征的局部對比的基礎上的，缺乏從全局角度對顯著目標的自身特性進行分析理解，因此當背景較雜亂時會出現大量的誤判現象，檢測結果不夠理想。

發明內容

本發明的目的在于提供一種基于期望步數的顯著性檢測方法，具體包括以下步驟：

步驟1，將輸入圖像切分成不重疊的圖像塊；

步驟2，提取每個圖像塊的顏色，方向熵和紋理特征，構造特征向量；

步驟3，將每個圖像塊視為全連通圖和k規則圖中的一個結點，對于每個結點，利用步驟2所得到的特征向量計算這個結點與其他所有結點的不相似度，利用結點間的不相似度得到全連通圖關聯矩陣和k規則圖的關聯矩陣L表示分割后的圖像塊總數；根據全連通圖的狀態轉移矩陣P^g計算全連通圖的平穩分布進而得到全連通圖的基礎矩陣Z^g．根據基礎矩陣Z^g計算全連通圖中從平穩分布出發到達任意節點i的期望步數根據k規則圖的狀態轉移矩陣P¹計算k規則圖的平穩分布進而得到k規則圖的基礎矩陣Z¹，根據基礎矩陣Z¹計算k規則圖中從平穩分布出發到達任意節點i的期望步數：

步驟4，利用步驟3所得到的全連通圖中從平穩分布出發到達任意節點i的期望步數以及k規則圖中從平穩分布出發到達任意節點i的期望步數得到關鍵結點Nmsal，計算方法如下：

Nmsal=max(Eπg(Ti)Eπi(Ti))]]>公式(3)

其中i＝1，2…，L；

全連通圖G每個結點與圖中所有結點連通，反映了圖像的全局屬性，顯著結點與其他結點的不相似度較大，從其他結點出發到達這樣的結點較困難，從平穩分布出發到達這種結點的期望步數就越高。k規則圖L反映了圖像的局部屬性，因為每個結點只與周圍的相鄰的結點連通。相鄰的區域內的結點之間的視覺特征差異較小，結點之間的轉移速度更快，到達顯著結點的期望步數較低。我們用全連通圖G與k規則圖L中期望步數的比值中最大的值作為關鍵結點，即最顯著的結點。