[發(fā)明專利]一種圖像顯著性區(qū)域的檢測方法和裝置

有效

• 申請?zhí)枺?/td>: 201410046715.0
• 申請日: 2014-02-10
• 公開（公告）號: CN104834933B
• 公開（公告）日: 2019-02-12
• 發(fā)明（設(shè)計）人: 杜馨瑜;王棟;顧子晨;魏代玉
• 申請（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 劉芳

1.一種圖像顯著性區(qū)域的檢測方法，其特征在于，包括：

利用預(yù)先訓(xùn)練獲得的分類器，根據(jù)測試圖像的圖像特征向量，對所述測試圖像進行分類處理，獲得分類標簽，所述分類標簽用于指示對所述測試圖像進行顯著性區(qū)域檢測的顯著性檢測算法；

利用所述分類標簽指示的顯著性檢測算法，對所述測試圖像進行顯著性區(qū)域檢測，獲得所述測試圖像的顯著性區(qū)域；

所述分類器為反向傳播BP神經(jīng)網(wǎng)絡(luò)；

所述BP神經(jīng)網(wǎng)絡(luò)，包括輸入層、中間層和輸出層；所述輸入層與所述中間層之間的傳遞函數(shù)為雙正切S型函數(shù)；所述中間層與所述輸出層之間的傳遞函數(shù)為對數(shù)S型函數(shù)；

所述利用預(yù)先訓(xùn)練獲得的分類器，根據(jù)測試圖像的圖像特征向量，對所述測試圖像進行分類處理，獲得分類標簽，包括：

利用預(yù)先訓(xùn)練獲得的所述BP神經(jīng)網(wǎng)絡(luò)，根據(jù)通過所述BP神經(jīng)網(wǎng)絡(luò)的輸入層輸入的所述測試圖像的圖像特征向量，通過所述BP神經(jīng)網(wǎng)絡(luò)的輸入層與所述BP神經(jīng)網(wǎng)絡(luò)的中間層之間的雙正切S型函數(shù)和所述BP神經(jīng)網(wǎng)絡(luò)的中間層與所述BP神經(jīng)網(wǎng)絡(luò)的輸出層之間的對數(shù)S型函數(shù)，對所述測試圖像進行分類處理，從所述BP神經(jīng)網(wǎng)絡(luò)的輸出層獲得所述分類標簽。

2.根據(jù)權(quán)利要求1所述的圖像顯著性區(qū)域的檢測方法，其特征在于，所述利用預(yù)先訓(xùn)練獲得的分類器，根據(jù)測試圖像的圖像特征向量，對所述測試圖像進行分類處理，獲得分類標簽之前，還包括：

采用至少兩種特征提取算法，提取所述測試圖像的至少兩個圖像特征向量。

3.根據(jù)權(quán)利要求2所述的圖像顯著性區(qū)域的檢測方法，其特征在于，

所述至少兩個圖像特征向量是如下圖像特征向量中的至少兩個：稀疏加權(quán)熵、導(dǎo)數(shù)圖像顏色數(shù)、所述測試圖像的一維頻譜圖相對于訓(xùn)練集圖像的一維頻譜圖偏移的均值和方差、中頻比以及HSV空間的色度H分量、飽和度S分量、亮度V分量的一階矩和所述H分量、S分量、V分量的二階矩。

4.根據(jù)權(quán)利要求3所述的圖像顯著性區(qū)域的檢測方法，其特征在于，所述測試圖像的圖像特征向量包括所述稀疏加權(quán)熵；

所述采用特征提取算法，提取所述測試圖像的至少兩個圖像特征向量，包括：

在RGB顏色空間內(nèi)，對所述測試圖像進行下采樣濾波；

對下采樣濾波后測試圖像進行計算，獲得下采樣濾波后測試圖像的顏色直方圖向量，所述顏色直方圖向量包括n個元素，n為下采樣濾波后測試圖像的RGB顏色空間所包含的第一顏色數(shù)，n為自然數(shù)；

計算稀疏加權(quán)系數(shù)其中，x_i為所述顏色直方圖向量中的第i個元素，q為預(yù)設(shè)值，取q≥2；

計算所述稀疏加權(quán)熵其中，e^H(x)用于指示所述顏色直方圖向量的熵，p(x_i)為歸一化后的所述測試圖像的顏色直方圖向量中的第i個元素，b取值為2、10或e。

5.根據(jù)權(quán)利要求3所述的圖像顯著性區(qū)域的檢測方法，其特征在于，所述測試圖像的圖像特征向量包括所述導(dǎo)數(shù)圖像顏色數(shù)；

所述采用特征提取算法，提取所述測試圖像的至少兩個圖像特征向量，包括：

確定所述測試圖像的導(dǎo)數(shù)圖像；

在RGB顏色空間內(nèi)，對所述導(dǎo)數(shù)圖像進行下采樣濾波；

統(tǒng)計下采樣濾波后導(dǎo)數(shù)圖像的RGB顏色空間所包含的第二顏色數(shù)；

將所述第二顏色數(shù)作為所述導(dǎo)數(shù)圖像顏色數(shù)。

6.根據(jù)權(quán)利要求3所述的圖像顯著性區(qū)域的檢測方法，其特征在于，所述測試圖像的圖像特征向量包括所述測試圖像的一維頻譜圖相對于訓(xùn)練集圖像的一維頻譜圖偏移的均值和方差；

所述采用特征提取算法，提取所述測試圖像的至少兩個圖像特征向量，包括：

確定所述測試圖像的一維頻譜圖；

將所述測試圖像的一維頻譜圖與所述訓(xùn)練集圖像的一維頻譜圖進行比較，獲得所述測試圖像的一維頻譜圖相對于所述訓(xùn)練集圖像的一維頻譜圖偏移的均值和方差；所述訓(xùn)練集圖像的一維頻譜圖中各頻率點上的頻率值是對各訓(xùn)練圖像的一維頻譜圖中所述頻率點上的頻率值進行平均獲得的；所述訓(xùn)練圖像用于對所述分類器進行訓(xùn)練。