[發明專利]基于L1正則化的圖像顯著性檢測方法

有效

• 申請號: 201410425506.7
• 申請日: 2014-08-26
• 公開（公告）號: CN104217430B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 任健強;龔小謹
• 申請（專利權）人: 浙江大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 杭州求是專利事務所有限公司33200
• 代理人: 邱啟旺

技術領域

本發明屬于圖像處理技術領域，具體涉及一種基于L1正則化的圖像顯著性檢測方法。

背景技術

基于圖像的目標檢測是計算機視覺和模式識別領域的重要課題，在圖像分割，圖像檢索和機器人自主感知等領域中有著廣泛的應用。在各類目標檢測方法中，顯著性方法以其對人類視覺注意機制的探索和模擬吸引了大量研究者的關注。人類視覺機制能夠從觀察到的大量場景信息中快速地檢索出感興趣物體，從而極大地提升了人類對場景的理解效率和反應速度。顯著性檢測方法基于這個原理，通過分析圖像內容，將圖像中與周圍區域差異明顯的部分標示出來，即“顯著性區域”，以便后續進行高效的圖像處理。

顯著性檢測方法計算模型分為自上而下和自下而上兩類，自上而下的方法依賴于特定的檢測任務和內容，而自下而上的方法則完全通過對輸入圖像的分析進行檢測。在自下而上的方法中，空域檢測通過對圖像局部顏色，方向，紋理等特征或者全局對比度的統計，尋找與周邊特征差異明顯的區域作為顯著性區域，頻域分析則根據變換域理論，對圖像頻譜進行處理，突出顯著區域對應分量，抑制非顯著區域對應分量。頻域分析方法無需對目標的特征進行設計和統計，具有實現方便高效的優點。幾種典型的頻域處理方法，如頻譜殘差法(SR),相位譜傅立葉變換法(PFT)和四元數傅立葉變換(HFT)對大多數簡單自然場景目標具有良好的檢測效果。然而，由于沒有考慮空域的信息，當圖像場景結構復雜，存在較多高頻細節成分時，傳統的頻域分析方法會受到復雜背景的極大干擾，產生許多雜亂的噪聲點，這樣一方面會造成顯著區域的誤檢，另一方面也會影響基于二維熵的尺度選擇的準確性。因此，如何實現復雜場景中的目標檢測，是頻域顯著性檢測面臨的難題。

發明內容

本發明的目的在于針對頻域顯著性檢測方法的不足，提供一種基于L1正則化的圖像顯著性檢測方法，該方法同時考慮空域和頻域的稀疏性，有效地消除了復雜及高頻細節背景的影響，在人眼注視點檢測和物體分割檢測方面取得了更好的效果。

本發明的目的是通過以下技術方案來實現的：

(1)輸入待檢測圖像；待檢測圖像為彩色圖像，由紅、藍、綠三個顏色通道組成；

(2)將步驟1輸入的圖像分解為三個顏色特征圖(RG,BY,I)，對每個顏色特征圖進行傅里葉變換，并且計算傅里葉變換的對數幅度譜L(u,v)和相位譜P(u,v)，其中u，v為頻譜的坐標值；

(3)在每一個顏色特征圖上，使用8個不同方差大小的高斯濾波器h_k(u,v)，k＝1～8，對對數幅度譜L(u,v)進行卷積濾波，得到濾波后的8個不同尺度的傅里葉對數幅度譜，結合相位譜P(u,v)，得到一組不同尺度的傅里葉變換F_k，其描述如下：

F_k＝exp(L(u,v)*h_k(u,v)+i·P(u,v)),k＝1～8??(1)

其中L(u,v)表示顏色特征圖對數幅度譜，h_k(u,v)表示不同方差大小的高斯濾波器，i表示虛數單位，P(u,v)表示顏色特征圖相位譜，*表示卷積運算符，下標k表示尺度序號；

(4)在每一個顏色特征圖上，構建基于TV?norm正則化的L1優化問題并采用Split?Bregman方法求解，得到該顏色特征圖上的8張不同尺度的顯著性圖像在3個顏色特征圖上共得到24個顯著性圖像其描述如下：