[發明專利]一種基于多尺度區域融合的顯著區域檢測方法

有效

• 申請號: 201410616752.0
• 申請日: 2014-10-30
• 公開（公告）號: CN104408711A
• 公開（公告）日: 2015-03-11
• 發明（設計）人: 彭進業;李永恒;馮曉毅;譚歆;王志成;陳貴良;毛琥博
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種基于多尺度區域融合的顯著區域檢測方法。

背景技術

顯著區域指的是在視覺系統中自發的，具有較高鑒別性的圖像細節所組成的圖像區域，這里的鑒別性是一個相對屬性，取決于該圖像細節與其背景的視覺區分程度。而顯著區域檢測，就是重現人眼如何在復雜視覺場景當中迅速將注意力聚焦到這些感興趣的區域。因此顯著區域檢測可以準確的預測的在自由觀察下對靜態和動態場景的注意力分配，該檢測也反映了人眼在視覺場景中能夠找到哪些感興趣的圖像細節。正確地提取這些關鍵區域，可以大大提高圖像分析、處理效率和準確度，降低計算的復雜度，顯著區域檢測可以被廣泛應用到計算機視覺與其他相關的圖像處理問題當中，在當今大多數視覺任務中是一個至關重要的環節，一直以來都是圖像處理領域一個研究熱點。

目前顯著區域檢測的主要方法大多集中在自底向上的處理上，這類處理機制上符合人眼的作用原理。在這類處理機制當中，E.Rahtu等在“Segmenting?Salient?Objects?from?Images?and?Videos”in?ECCV?2010提出了利用滑動窗和條件隨機場結合的方法，通過觀察不同尺度窗口內的區域與鄰域分布來分析圖像的局部細節，該方法考慮了不同尺度的局部特征，但未涉及全局顯著度，并且該方法需要對最后的結果用圖切的方法進行加工，運行時間受到影響。相應的，不少方法從頻域的角度來解決全局性顯著檢測問題如：X.Hou等在“Saliency?detection?A?spectral?residual?approach”in?CVPR?2007提出的頻譜殘差法、B.Schauerte等在“Quaternion-based?Spectral?Saliency?Detection?for?Eye?Fixation?Prediction”in?ECCV?2012提出的四元數方法。這些方法實現簡單，但存在如下的問題：當圖像尺寸不同時，檢測結果有較大差異，對大尺寸的顯著區域往往只能檢測到輪廓；當圖像尺寸過小時，對尺寸較小的目標區域檢測結果較差。一般來說，這種方法是對采樣后的圖像進行顯著性檢測，因此得到的顯著圖分辨率較低。

發明內容

為了解決現有技術的不足之處，本發明提出了一種在多尺度下結合圖像全局屬性和局部細節來融合顯著區域并確定其位置的方法，利用空間幾何信息熵找到最佳分辨率尺度，從而準確的檢測出顯著區域。

為實現上述目的，本發明的技術方案包括如下幾個步驟：

步驟1)用一個標準差為1，3×3大小的高斯濾波器來平滑圖像T。

步驟2)計算圖像T在x和y軸上的最佳顏色梯度和歸一化梯度。

2a)設置一個sobel算子大小為1×7，值為[-1，9，-45，0，45，-9，1]/6·t，用于對圖像求邊緣響應。t為最小允許區域，取值10。

2b)用步驟2a)設置的sobel算子對圖像做卷積，分別得到RGB三個顏色通道的x軸梯度，將該算子轉置后再對圖像做卷積得到三個顏色通道的y軸梯度。

2c)計算x軸和y軸的最佳顏色梯度I_x和I_y，計算方法是從三個通道中選取梯度值最大的通道，該通道的梯度即為圖像在該軸上的最佳顏色梯度。

2d)計算圖像的歸一化梯度：

步驟3)定義尺度參數Q＝[1，2...，2ⁿ]，n取值從0到7，一共8個尺度。

步驟4)求梯度索引index＝[I_y；I_x]_↓，該梯度索引的大小為l×1，計算方法是將y軸和x軸的最佳顏色梯度合并為一列，并降序排列。

步驟5)用梯度索引依次遍歷圖像的所有4鄰域像素對，滿足融合門限的像素合并為一個區域，得到標簽圖。

5a)建立鄰域像素對p和p′，方法是p為T(index)，即用梯度索引的圖像像素，p′是p的4-鄰域像素。

5b)計算三個通道的鄰域像素對的標準差：f_{R，G，B}(p，p′)＝|p-p′|＝(p-p′)²。

5c)計算融合門限，該門限包含尺度參數，其表達形式為：