[發明專利]一種結合空間域和頻率域的顯著性檢測方法

有效

• 申請號: 201611136243.3
• 申請日: 2016-12-12
• 公開（公告）號: CN108229487B
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 韓靜;張黎;張毅;柏連發
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T7/90;G06T5/00;G06F17/14
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 孟睿

本發明提出一種結合空間域和頻率域的顯著性檢測方法，在自然圖像中，利用線性顏色特征RGBY和非線性顏色特征LAB，基于兩個顏色特征各生成兩幅顯著圖，通過顯著圖的顯著聚合值來選取優秀的顯著圖實現線性權重融合；在多光譜圖像中，利用光譜角和光譜絕對差異兩個互補的光譜特征進行光譜顯著檢測。本發明所述顯著性檢測方法簡單，容易實現，檢測效果精確。

技術領域

本發明屬于目標檢測技術領域，具體涉及一種結合空間域和頻率域的顯著性檢測方法。

背景技術

隨著計算機視覺的快速發展，顯著性檢測作為一種圖像預處理算法，已經被廣泛的應用到很多圖像處理領域，例如識別、跟蹤、分割、檢測、立體視覺、匹配，相應地也出現了各種各樣的算法，但是大致可以分為頻率域和空間域兩種顯著檢測方法。

在空間域，最典型的就是Itti提出的,利用低級圖像特征，在圖像金字塔多尺度的情況下，計算中心和周圍的對比度來實現顯著目標的提取。Ma利用每個像素和領域像素顏色的差異作為顯著圖，并加入了模糊生長。Achanta提出了基于全部的周圍區域和基于最大的對稱周圍區域的兩種顯著檢測方法。Cheng et al.通過量化顏色和直方圖來加速算法，統計每個顏色的全局差異來表示該顏色的顯著值，只考慮了顏色信息和忽視了距離信息，因此當顯著目標比較大以及邊界存在和背景顏色不同的非顯著目標時，顯著性提取效果不佳。

在頻率域，Hou(SR模型)首先發現在傅里葉變換下可以突出顯著目標，可以通過找出光譜的Log曲線中的奇異部分，并且和原始相位角結合，傅里葉逆變換之后生成了顯著圖，這一模型表明光譜殘渣對顯著檢測起主要作用。Guo(PFT模型)簡化此頻率域模型，只使用相位角來建立顯著圖，結果表明兩者所生成的顯著圖非常接近。Li(SSS模型)關注傅里葉變換的幅度和相位的關系，實驗表明兩者在壓制重復模塊而高亮顯著區方面都起著不可或缺的作用。他們發現在幅度譜中的高峰表示的就是同質區域(非顯著區域)，為此可以通過平滑這些高峰來減弱同質而顯示出顯著區域，最后結合原始相位信息和經高斯平滑的幅度譜來獲得顯著圖。相比于SR和PFT，SSS對突出整個顯著目標效果更好。這里SR和PFT主要是利用相位信息，為此只能突顯顯著邊界，只能通過降采樣來實現突顯整體。不同于這兩個模型，SSS模型綜合考慮相位和幅度信息，有效的提高顯著目標整體的檢測，但是顯著區域大小的不同要選取不同的尺度，為此必須要通過優化準則選擇合適的高斯尺度，計算量增加。

上述這些方法一般要么只考慮空間域的顯著信息，要么只考慮頻率域的顯著信息，很少有人將空間域和頻率域結合，其中有些算法的計算量比較大，作為一種圖像預處理算法，應該是一種簡單和快速的圖像處理算法，如果計算量太大，無法有效地給后續處理留有足夠的處理時間。在頻率域的顯著方法中，SR和PFT算法簡單，但是只能檢測出顯著目標的邊界，且檢測效果不佳，SSS模型檢測效果可以，但是計算過程較復雜，為此設計一種簡單且檢測效果好的頻率域的顯著檢測方法很有必要。

顯著性檢測已經被研究多年了，但是主要是用于處理自然彩色圖像，很少有人將其衍生到多光譜圖像中。有些研究者將Itti顯著模型引入到多光譜圖像處理中，和原始模型一樣，這些多光譜顯著模型都是生成四個通道的圖像特征，基于光譜圖像周圍和中心的對比度來檢測顯著目標。由于Itti模型提出已經很多年，其有一定的局限性，為此引入和多光譜相融合的新顯著模型是很有必要的。

發明內容

本發明的目的是針對現有技術中顯著性檢測的不足，提出了一種結合空間域和頻率域的顯著性檢測方法，該顯著檢測方法能精確地實現顯著區域的檢測，且算法簡單，實現起來很容易。

為了解決上述技術問題，本發明提供一種結合空間域和頻率域的顯著性檢測方法，步驟如下：

步驟一，對圖像進行轉換，生成兩種不同的圖像特征；其中，

對于自然圖像，使用RGBY顏色特征和Lab顏色特征分別作為其圖像特征一和圖像特征二；

對于光譜圖像，使用光譜角和光譜絕對差分別作為其圖像特征一和圖像特征二；