[發明專利]基于除法歸一化的圖像視覺顯著性檢測方法

有效

• 申請號: 201410619259.4
• 申請日: 2014-11-06
• 公開（公告）號: CN104463917B
• 公開（公告）日: 2017-10-03
• 發明（設計）人: 余映;林潔;楊鑒
• 申請（專利權）人: 云南大學
• 主分類號: G06T7/90
• 分類號: G06T7/90
• 代理公司: 北京萬象新悅知識產權代理事務所(普通合伙)11360
• 代理人: 賈曉玲

技術領域

本發明屬于自底向上視覺顯著性的自動計算領域，具體涉及一種基于除法歸一化的圖像視覺顯著性檢測方法。

背景技術

人腦的神經資源是有限的，它無法同時處理所有的視覺感知信息。視覺注意是一種重要的視覺信息處理機制，它只允許少量的視覺感知信息進入高級皮層進行處理，如短期記憶、視覺意識、識別和學習等。視覺顯著性(Visual saliency)是一種視覺感知特性，它能夠讓一個顯著的目標或區域從復雜的視覺場景當中凸顯出來，從而可以引起我們的視覺注意。有的視覺注意形成于場景依賴的或稱自底向上的視覺顯著性，而有的視覺注意受控于任務依賴的或稱自頂向下的視覺顯著性。

視覺顯著圖(Visual saliency map)被廣泛的應用于許多計算機視覺應用當中，如感興趣物體分割、物體識別、自適應圖像壓縮、內容敏感的圖像縮放、圖像檢索等。視覺顯著圖中各像素灰度級的大小代表了視覺場景中對應位置顯著性的強弱。Itti等人于1998年提出了“A model of saliency-based visual attention for rapid scene analysis”。該方法在計算結構上模仿人腦中視覺顯著性形成的神經機制，可以計算出輸入場景圖像的視覺顯著圖。近來出現了一類顯著性檢測方法是從信息理論的角度來計算視覺顯著性的，這類方法包括Bruce等人于2005年提出的“Saliency based on information maximization”，以及Harel等人于2006年提出的“Graph-based visual saliency”。盡管這類算法具有較好的顯著性檢測性能，但它們計算量很大，仍然不能實時處理。

另一類視覺顯著性計算方法是在頻域里進行計算的。Hou等人于2007年提出了“Saliency detection：a spectral residual approach”，該方法利用輸入圖像傅立葉變換幅度譜和自然圖像的幅度譜均值之間的殘差來計算輸入圖像的視覺顯著性。Yu等人于2009年提出了“Pulse discrete cosine transform for saliency-based visual attention”，該方法通過歸一化輸入圖像離散余弦變換的變換域系數來計算圖像的視覺顯著圖。基于頻域的顯著性計算方法計算復雜度低，計算速度非常快，能夠應用于實時處理系統，但它們的顯著圖分辨率較低，不能提供清晰的物體形狀。

目前大多數的顯著性計算方法僅能獲得低分別率的視覺顯著圖，而且計算代價昂貴。有些算法只能檢測到顯著目標的邊緣，而不能檢測出完整的顯著目標。Achanta等人于2009年提出了“Frequency-tuned salient region detection”，該方法利用每個像素的顏色值與整幅圖像的顏色均值之間的歐氏距離來計算視覺顯著圖。盡管該方法步驟很簡單，而且可以獲得全分辨率的顯著圖，但它不是按照視覺顯著性的形成機制設計出來的，因此其顯著圖與人的視覺感知差距較大。

發明內容

本發明的目的在于提出一種基于除法歸一化的圖像視覺顯著性檢測方法，可以使得圖像中重要物體區域被均勻地凸顯出來。

為達到本發明的上述目的，本發明提供的基于除法歸一化的圖像視覺顯著性檢測方法，具體包括以下步驟：

1)將大小為M×N像素的彩色輸入圖像從RGB顏色空間變換到CIE1976 L*a*b*顏色空間。輸入圖像經過變換后會產生三個具有生物合理性的顏色通道，其中亮度通道L、綠/紅對立通道A和藍/黃對立通道B；

2)將綠/紅對立通道A分解為兩個子通道：A_-和A₊，其中，A_-是將矩陣A的所有正值元素置0而得到，而A₊是將矩陣A的所有負值元素置0而得到；將藍/黃對立通道B分解為兩個子通道：B_-和B₊，其中，B_-是將矩陣B的所有正值元素置0而得到，而B₊是將矩陣B的所有負值元素置0得到，將矩陣A_-、A₊、B_-和B₊看作四個顏色通道，分別對應綠、紅、藍、黃四種顏色；

3)計算出綠、紅、藍、黃和亮度通道的能量，其中，E_g、E_r、E_b、E_y和E_L分別對應綠、紅、藍、黃和亮度5個特征通道的能量；