[發(fā)明專利]一種圖像顯著性檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410226552.4
• 申請(qǐng)日: 2014-05-26
• 公開（公告）號(hào): CN103996195B
• 公開（公告）日: 2017-01-18
• 發(fā)明（設(shè)計(jì)）人: 袁春;陳剛彪
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)深圳研究生院
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/46
• 代理公司: 深圳新創(chuàng)友知識(shí)產(chǎn)權(quán)代理有限公司44223
• 代理人: 余敏

【技術(shù)領(lǐng)域】

本發(fā)明涉及計(jì)算機(jī)視覺(jué)領(lǐng)域，特別是涉及一種圖像顯著性檢測(cè)方法。

【背景技術(shù)】

人類在觀察圖像時(shí)，通常只關(guān)注整幅圖像或整段視頻中很小的較為顯著的一部分。因此，計(jì)算機(jī)模擬人類視覺(jué)系統(tǒng)時(shí)，主要通過(guò)檢測(cè)圖像中顯著性區(qū)域進(jìn)行模擬。顯著性檢測(cè)已逐漸成為計(jì)算機(jī)視覺(jué)領(lǐng)域非常重要的一個(gè)研究課題。顯著性檢測(cè)在人機(jī)交互、智能監(jiān)控、圖像分割、圖像檢索和自動(dòng)標(biāo)注等方面有很大的發(fā)展前景。在這個(gè)研究領(lǐng)域中，如何運(yùn)用有效的方法從圖像中準(zhǔn)確的檢測(cè)出顯著區(qū)域，是一個(gè)非常重要的問(wèn)題。傳統(tǒng)的顯著性檢測(cè)方法有多種，但對(duì)于某些圖像，如圖像中存在近景和遠(yuǎn)景，且遠(yuǎn)景距離觀察者較遠(yuǎn)的圖像，對(duì)于這類圖像的顯著性檢測(cè)，結(jié)果不太符合人類視覺(jué)系統(tǒng)，檢測(cè)結(jié)果還不太準(zhǔn)確。

【發(fā)明內(nèi)容】

本發(fā)明所要解決的技術(shù)問(wèn)題是：彌補(bǔ)上述現(xiàn)有技術(shù)的不足，提出一種圖像顯著性檢測(cè)方法，對(duì)圖像的顯著性檢測(cè)更符合人類視覺(jué)系統(tǒng)，檢測(cè)結(jié)果較準(zhǔn)確。

本發(fā)明的技術(shù)問(wèn)題通過(guò)以下的技術(shù)方案予以解決：

一種圖像顯著性檢測(cè)方法，包括以下步驟：1)對(duì)圖像進(jìn)行分塊處理，劃分為K個(gè)大小為M×N的圖像塊；其中，K，M和N的值由用戶設(shè)定；2)計(jì)算各圖像塊的特征值，所述特征值包括亮度特征值、顏色特征值、方向特征值，深度特征值和稀疏特征值，其中，深度特征值其中，λ₁和λ₂為常數(shù)，由用戶根據(jù)所述圖像中深度值的范圍和特征值融合時(shí)的量化區(qū)間范圍進(jìn)行設(shè)定；max(deep(x,y))表示待計(jì)算的圖像塊中的像素的深度值的最大值；稀疏特征值f＝W×I，其中W＝A^-1，A表示稀疏編碼單元，根據(jù)獨(dú)立變量分析ICA算法得到的多個(gè)稀疏編碼單元中前M×N個(gè)；I表示待計(jì)算的圖像塊中的M×N個(gè)像素點(diǎn)的像素值矩陣；3)將圖像塊的各特征值量化到同一區(qū)間范圍，將各特征值融合計(jì)算得到各圖像塊與其余圖像塊之間的差異值；4)確定加權(quán)系數(shù)，將各圖像塊與其余圖像塊之間的差異值加權(quán)求和計(jì)算得到各圖像塊的顯著性值。

本發(fā)明與現(xiàn)有技術(shù)對(duì)比的有益效果是：

本發(fā)明的圖像顯著性檢測(cè)方法，在傳統(tǒng)的特征值基礎(chǔ)上引入了深度特征和稀疏特征，引入深度特征區(qū)分圖像中的近景和遠(yuǎn)景，使得到的顯著性圖中距離觀測(cè)者較近的近景較遠(yuǎn)景更突出，從而更符合人類視覺(jué)系統(tǒng)較關(guān)注距離人眼較近部分的觀測(cè)原理。而引入稀疏特征，借助稀疏編碼單元表征，而稀疏編碼單元借助ICA算法訓(xùn)練得到，與人類初級(jí)視皮層感受野的特點(diǎn)非常類似，從而進(jìn)一步確保得到的顯著性圖符合人類視覺(jué)系統(tǒng)。當(dāng)?shù)玫降娘@著性圖更加符合人類視覺(jué)系統(tǒng)時(shí)，顯著性圖更為準(zhǔn)確。特別是對(duì)于圖像中存在較遠(yuǎn)的遠(yuǎn)景時(shí)，本發(fā)明的圖像的顯著性檢測(cè)方法較傳統(tǒng)的顯著性檢測(cè)方法較準(zhǔn)確。

【附圖說(shuō)明】

圖1是本發(fā)明具體實(shí)施方式的圖像顯著性檢測(cè)方法的流程圖；

圖2是本發(fā)明具體實(shí)施方式的檢測(cè)方法處理包含近景的圖像的處理結(jié)果圖；

圖3是本發(fā)明具體實(shí)施方式的檢測(cè)方法處理包含遠(yuǎn)景的圖像的處理結(jié)果圖。

【具體實(shí)施方式】

下面結(jié)合具體實(shí)施方式并對(duì)照附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。

本發(fā)明的構(gòu)思是：基于目前效果較好的基于區(qū)域?qū)Ρ榷鹊娘@著性檢測(cè)方法，通過(guò)圖像塊與圖像塊之間的差異值加權(quán)求和計(jì)算圖像塊的顯著性值，最終得到整幅圖像的顯著性圖。檢測(cè)過(guò)程中，在傳統(tǒng)的對(duì)比度特征值諸如強(qiáng)度、顏色和方向等的基礎(chǔ)上，引入了深度特征和稀疏特征。深度信息和稀疏編碼這兩種視覺(jué)特征被引入顯著圖的計(jì)算過(guò)程，使得檢測(cè)結(jié)果更加符合人類視覺(jué)感受。進(jìn)一步地，本發(fā)明中還引入中央位移方法對(duì)圖像分塊過(guò)程中的中心點(diǎn)進(jìn)行了位置修正，以初始顯著性圖中的顯著中心為中心點(diǎn)劃分圖像，從而模仿人眼聚焦的轉(zhuǎn)移過(guò)程，使最終得到的顯著性圖更加符合人類視覺(jué)系統(tǒng)的特點(diǎn)。更進(jìn)一步地，利用人類視覺(jué)尖銳系數(shù)來(lái)對(duì)各圖像塊的差異值進(jìn)行加權(quán)，距離中心塊越近的圖像塊，設(shè)置其加權(quán)系數(shù)越大，且較符合人類視覺(jué)系統(tǒng)的特點(diǎn)，使檢測(cè)結(jié)果更加準(zhǔn)確。

如圖1所示，為本具體實(shí)施方式中圖像顯著性檢測(cè)方法的流程圖，包括以下步驟：

P1)分塊處理：對(duì)圖像進(jìn)行分塊處理，劃分為K個(gè)大小為M×N的圖像塊；其中，K，M和N的值由用戶設(shè)定。如果設(shè)定M×N較小，K較大，即劃分的塊較多越精細(xì)，則后續(xù)計(jì)算結(jié)果較精確，但相應(yīng)計(jì)算量也較大。如果設(shè)定M×N較大，K較小，即劃分的塊較少越粗糙，則后續(xù)計(jì)算量會(huì)小一些，但計(jì)算結(jié)果的精確度會(huì)差一些。優(yōu)選地，根據(jù)多次實(shí)驗(yàn)測(cè)試，將圖像塊劃分為8×8大小的尺寸時(shí)，計(jì)算量不會(huì)太大，同時(shí)也能滿足計(jì)算精確度的要求。