[發(fā)明專利]一種基于多尺度可變塊的運動注意力計算方法

有效

• 申請?zhí)枺?/td>: 201310258419.2
• 申請日: 2013-06-25
• 公開（公告）號: CN103345763A
• 公開（公告）日: 2013-10-09
• 發(fā)明（設(shè)計）人: 劉龍;趙晶
• 申請（專利權(quán)）人: 西安理工大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 李娜

1.一種基于多尺度可變塊的運動注意力計算方法，其特征在于，具體按照以下步驟實施：

步驟1：提取兩幀圖像；

步驟2：使用高斯函數(shù)對兩幀圖像進行多尺度分解，得到三層分辨率逐漸減小的圖像金字塔；

步驟3：對多分辨率圖像進行可變塊劃分；

步驟4：進行多尺度圖像的可變塊運動注意力計算。

2.根據(jù)權(quán)利要求1所述的基于多尺度可變塊的運動注意力計算方法，其特征在于，所述的步驟2使用高斯函數(shù)對兩幀圖像進行多尺度分解，得到三層分辨率逐漸減小的圖像金字塔，具體按照以下步驟實施：在一段視頻中截取一幅目標圖像進行多尺度分解，分別得到三幅分辨率逐漸減小的高斯金字塔圖像；對于大小為m×n的圖像I，高斯金字塔G由三個分辨率減小的圖像Ii組成，其中，i={i=0,1...,j}代表金字塔的級數(shù)，以下公式是第i層圖像的大小：

I_i＝(m/2i)×(n/2i)，

圖像Ii由兩步得到：第一步是高斯平滑處理，第二步是下采樣。

3.根據(jù)權(quán)利要求1所述的基于多尺度可變塊的運動注意力計算方法，其特征在于，所述的步驟3對多分辨率圖像進行可變塊劃分，具體按照以下步驟實施：

1）將輸入圖像劃分成64×64大小的塊；2）根據(jù)公式SAD=Σi=1,j=1i=a,j=b|Ik(i,j)-Ik-1(i,j)|,]]>計算每個待分割塊的SAD值，即兩幀圖像的絕對差和值，當塊的SAD值大于根據(jù)圖像內(nèi)容設(shè)定的閾值th，閾值取值由公式th=2000064×64500032×32130016×163508×8]]>得出，認為兩幀之間發(fā)生了明顯的變化，則對該塊進行再分割；其中I_k(i,j)表示第k幀圖像，I_k-1(i,j)表示第k-1幀圖像，a×b是待分塊的大小；其中20000是大小為64×64大小的塊所對應的閾值，其中5000是大小為32×32大小的塊所對應的閾值，其中1300是大小為16×16大小的塊所對應的閾值，其中350是大小為8×8大小的塊所對應的閾值；

3）先將待劃分塊劃分成上下左右四個相等的子塊進行預先計算，按照公式SAD=Σi=1,j=1i=a,j=b|Ik(i,j)-Ik-1(i,j)|]]>計算這四個子塊的SAD值，如果上邊兩個塊的SAD值大于閾值th而下邊兩個塊的SAD值小于閾值th或者上邊兩個塊的SAD值小于閾值th而下邊兩個塊的SAD值大于閾值th，將待分塊重新分成上下兩個子塊；同理，如果左邊兩個塊的SAD值大于閾值th而右邊兩個塊的SAD值小于閾值th或者右邊兩個塊的SAD值小于閾值th而左邊兩個塊的SAD值大于閾值th，將待分塊重新分成左右兩個子塊；其他情況，則將待分塊分成上下左右的四個等大小的子塊；

4）重復步驟2）和步驟3）的塊劃分原則將塊劃分成最小8×8大小。

4.根據(jù)權(quán)利要求1所述的基于多尺度可變塊的運動注意力計算方法，其特征在于，所述的步驟4進行多尺度圖像的可變塊運動注意力計算，具體按照以下步驟實施：

1）采用三步法進行可變塊運動估計；

2）采用中值濾波進行可變塊運動矢量場的時空濾波；

3）可變塊運動注意力的計算；

a.局部運動注意力模型：

局部運動注意力模型是通過將運動矢量場劃分成w×w大小的不重疊的塊來進行計算的，得到每個塊的局部運動注意力；

首先根據(jù)Tn=ΣAN=10n10(n+1)AN]]>n=0,1,2...35計算出每個w×w大小的塊的運動矢量的相位分布，運動矢量的相位根據(jù)公式：

PH=arcsin(MVy/MVx2+MVy2)MVx>0,MVy>0π-arcsin(MVy/MVx2+MVy2)MVx<0,MVy>0π+arcsin(|MVy|/MVx2+MVy2)MVx<0,MVy<02π-arcsin(|MVy|/MVx2+MVy2)MVx>0,MVy<00MVx>0,MVy=0π/2MVx=0,MVy>0πMVx<0,MVy=03π/2MVx=0,MVy<0]]>

計算，在統(tǒng)計相位分布前先將運動矢量的弧度表示根據(jù)式AN＝PH×360/2π轉(zhuǎn)換成角度表示；式中PH為運動矢量的弧度，MV_x和MV_y分別為運動矢量的x軸和y軸分量；AN為運動矢量的角度，PH為運動矢量的弧度；T_n為在每個塊內(nèi)運動矢量角度在AN=10n到AN=10(n+1)范圍內(nèi)的運動矢量數(shù)量，n的取值范圍為0到35；

局部運動注意力根據(jù)以下公式計算：

Pn=Tn/Σn=035Tnn=0,1,2...35,]]>

MAlo=-Σn=035PnlogPnn=0,1,2...35;]]>

b.全局運動注意力模型：

全局運動注意力是通過計算全局運動矢量場之間的反差來定義的，全局運動注意力根據(jù)下式計算：

MAgl=-Σn=035PnlogPnn=0,1,2...35,]]>

式中MA_gl是全局運動注意力，p_n是在全局范圍內(nèi)運動矢量角度在AN=10n到AN=10(n+1)范圍內(nèi)的所占全部運動矢量的概率；

c.運動注意力模型：

最終的運動注意力將局部運動注意力和全局運動注意力進行融合，融合方法如下式所示：

MA＝aMA_lo+bMA_gl，

上式中MA是最終的運動注意力，MA_lo和MA_gl分別是局部和全局運動注意力，a,b是局部運動注意力和全局運動注意力融合時的權(quán)值，得到的不同尺度的運動注意力圖；

將上面計算得到的多尺度運動注意力圖按照下面的公式融合得到最終的顯著圖：

B＝aB₁+bB₂+(1-a-b)B₃，

式中B是最終的顯著圖，B_i是多尺度顯著圖，a,b,c為分辨率特征圖的權(quán)值。