[發明專利]基于顏色和紋理聚集度的圖像顯著性檢測方法

有效

• 申請號: 201510548494.1
• 申請日: 2015-08-31
• 公開（公告）號: CN105139018B
• 公開（公告）日: 2018-06-19
• 發明（設計）人: 沃焱;陳晰;劉紅成
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 羅觀祥

1.一種基于顏色和紋理聚集度的圖像顯著性檢測方法，其特征在于，包括以下步驟：

步驟1、顏色顯著性計算；

步驟2、紋理顯著性計算；

步驟3、置信特征選擇；

步驟4、加權置信特征融合；

所述步驟1包括以下步驟：

步驟11、對原圖進行顏色空間轉換，得到Lab和HSV顏色空間的L，a，b，H，S五個顏色通道，第i個通道標記為CF_i；

步驟12、用模糊C均值聚類算法(FCM)對步驟(11)所得到五個顏色通道進行聚類，規定分類個數N＝4，共得到20個候選類，將其分為五組，每組四個候選類，第i組的第j類標記為

步驟13、計算步驟12中每一組候選類的聚集度，a_i是A中第i個點的坐標向量，1≤i≤k，是集A的中心點,dist(a_i,u_A)是a_i和u_A之間的歐式距離，的聚集度為

式中，J(A)表示A的聚集度，k表示A中點的數量；

步驟14、在步驟12的每一組候選類中選擇聚集度最小的候選類作為當前組對應顏色通道的顏色顯著圖，標記為c_i，每個c_i的聚集度標記為Jc_i；

步驟15、計算每一組候選類中顏色顯著圖與其他候選類之間的類間差，標記為Duv_i，表示CF_j第i個類的聚類中心；

式中，表示CF_i中第k個類的聚類中心，N表示分類個數；

步驟16、用每一組顏色顯著圖的類間差除以它的聚集度得到顏色顯著圖的顯著度值，標記為s_i：

式中，Duv_i表示顏色顯著圖的類間差，Jc_i表示顏色通道顯著圖c_i的聚集度；

步驟17、將前三個最大的顯著度值s_i對應的顏色顯著圖c_i合并構成顏色特征集合color；

步驟18、計算顏色特征集合color的聚集度，標記為Jcolor；

所述步驟2包括以下步驟：

步驟21、對L通道進行一級平穩小波變換，得到三個方向的小波細節信號LH，HL和HH；

步驟22、合并步驟21所得的水平方向小波細節信號LH、垂直方向小波細節信號HL和對角方向小波細節信號HH,得到合并信號f：

f＝|LH|+|HL|+|HH|， (4)

步驟23、對步驟22所得的合并信號f進行Hilbert變換得到三個方向的Hilbert變換結果

步驟24、將步驟23所得的Hilbert變換結果和步驟22所得的合并信號f,共同構成的超復數做超復數傅立葉變換，取其局部相位β；

步驟25、對步驟24所得的局部相位β做進一步后處理；

所述步驟25包括以下步驟：

步驟A1、利用高斯概率密度函數對局部相位β進行估計得到每個點(x,y) 的概率密度p(β(x,y))，δ和μ分別為β的標準差和平均值；

式中，β(x,y)表示點(x,y)的局部相位，p(β(x,y))表示點(x,y)的概率密度；

步驟A2、計算步驟A1所得的概率密度p(β(x,y))的倒數的對數得到S_P：

式中，S_P(x,y)表示點(x,y)的紋理顯著性；

步驟A3、對步驟A2所得的S_P進行高斯濾波得到結果Sal_P；

步驟A4、對步驟A3所得濾波結果Sal_P進行二值化得到最終紋理顯著圖P；

步驟A5、計算步驟A4所得的紋理顯著圖P的聚集度標記為JPhase；

所述步驟3包括以下步驟：

步驟31、計算紋理顯著圖P和顏色特征集合color中每個顏色顯著圖c_m的并集的聚集度，標記為Jpc_m；

步驟32、計算紋理顯著圖P和顏色特征集合color的并集的聚集度，標記為JcolorPhase；

步驟33、比較Jcolor，JPhase和JcolorPhase之間的大小，得到置信顏色特征集合colorSet和當前紋理特征P的置信標簽phaseCredit；

步驟34、根據JPhase和Jc_m對當前置信顏色特征集合colorSet中c_m的顯著度值進行調整；

步驟33包括以下步驟：

步驟B1、如果JPhase<Jcolor<JcolorPhase，JPhase>Jpc_m>Jc_m,那么c_m為置信顏色特征，計算JPhase與Jc_m之間的差，如果不大于特定閾值3.5，那么判定紋理顯著圖P為置信特征，標記為phaseCredit＝1,否則判定紋理顯著圖P不是置信特征，phaseCredit＝0；

步驟B2、如果JPhase<JcolorPhase<Jcolor，那么判定紋理顯著圖P為置信特征，標記為phaseCredit＝1，如果JPhase>Jpc_m>Jc_m，那么c_m為置信顏色特征；

步驟B3、如果Jcolor<JPhase<JcolorPhase，那么colorSet包括所有的五個顏色顯著圖，紋理特征P不是置信特征，phaseCredit＝0；

步驟B4、如果JPhase<Jcolor<JcolorPhase，而且對于所有顏色顯著圖c_i，都存在Jpc_j>Jc_j，那么紋理特征P不是置信特征，phaseCredit＝0，colorSet＝color；

步驟B5、如果JPhase<Jcolor<JcolorPhase，而且至少存在一個c_j使得都存在Jpc_j<Jc_j，那么紋理特征P是置信特征，phaseCredit＝1，colorSet為空集；

步驟B6、如果存在JPhase>Jpc_m>Jc_m，那么P和c_m均為置信特征圖，否則紋理特征P不是置信特征，phaseCredit＝0，colorSet＝color；

步驟34包括以下步驟：

步驟C1、計算JPhase和colorSet中所有置信特征c_n的差的絕對值，選擇其中最大的差異值，標記為d_max；

步驟C2、根據d_max調整colorSet中c_n的顯著度值s_n：

式中，Jphase表示紋理顯著圖P的聚集度，Jc_n表示c_n的聚集度，d_max表示Jphase和colorSet中所有置信特征c_n的差最大的差異值；

步驟4包括以下步驟：

步驟41、計算每個顏色顯著圖c_i的權值：

式中，w_i表示所求顏色顯著圖的權重值，colorSet表示置信顏色特征集合，s_i表示c_i的顯著度值，s_max表示最大的顯著度值；

步驟41、計算紋理顯著圖P的權值：

式中，w_P表示紋理顯著圖的權值，colorSet表示置信顏色特征集合，表示空集，Jphase表示紋理顯著圖P的聚集度，Jc_z表示c_z的聚集度，w_z表示顏色顯著圖的權值中的最大權值；

步驟42、對加權的顏色顯著圖和紋理顯著圖進行線性相加合并：

式中，Sal表示最終融合的顯著圖，w_P表示紋理顯著圖P的權值，w_i表示對應的顏色顯著圖c_i的權值；

43、對加權合并結果進行高斯濾波，得到最終顯著圖SalMap。