[發明專利]一種基于顏色直方圖和凸包的顯著性檢測方法

在審

• 申請號: 201710198237.9
• 申請日: 2017-03-30
• 公開（公告）號: CN107146215A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 陳炳才;周超;丁男;趙楠;余超;高振國;盧志茂;姚念民;王健
• 申請（專利權）人: 大連理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/194;G06K9/32;G06K9/46
• 代理公司: 大連理工大學專利中心21200
• 代理人: 梅洪玉

技術領域

本發明屬于圖像處理領域，涉及一種基于顏色直方圖和凸包的顯著性檢測方法。

背景技術

圖像顯著性檢測的目的是查找圖像中最顯著的部分，顯著部分表示的是圖像中的哪些區域能夠引起人們的重視以及重視的程度，高效快速的找到顯著部分能大大提高圖像處理的效率。顯著性檢測算法可以分成兩大類：自頂向下方法和自底向上方法。自頂向下通常是針對特定的任務，使用有監督的方式學習目標的各種特征，使用學到的特征信息完成圖像中顯著性目標的識別，這類方法的缺點是只能完成特定的目標且必須通過訓練，擴展性較差。自底向上的方法直接通過像素等信息來進行計算，不需要進行學習，通過計算圖像中不同部分之間的差異來查找顯著部分。

顏色直方圖是在許多圖像檢索系統中被廣泛采用的顏色特征。它所描述的是不同色彩在整幅圖像中所占的比例，即出現了哪些顏色以及各種顏色出現的概率，但是并不關心每種色彩所處的空間位置。顏色直方圖特別適于描述那些難以進行自動分割的圖像。

興趣點是圖像中一種特別重要的視覺特征，描述了圖像中的細節內容。以興趣點為線索提取的凸包表示了圖像中用戶感興趣的部分所在的區域，用區域特征來檢索圖像，可以進行圖像的顯著性檢測。

超像素在圖像處理中得到了廣泛的應用，是很多算法的基本運算單位，與以像素為計算單位相比，超像素有較少的計算量但又不失精確性，很多算法都是基于簡單線性迭代聚類SLIC算法，該算法根據像素的顏色相似性和空間位置的接近程度對圖像進行聚類，得到大小相近的超像素，超像素的個數也可以指定。

發明內容

為了解決現有技術中顯著性檢測算法的準確性仍不是很理想的問題，本發明提出了一種基于顏色直方圖和凸包的顯著性檢測方法，得到一種更加準確的顯著性檢測方法。本發明根據圖像的顏色直方圖構建基于顏色直方圖的顯著性圖來體現像素的顏色特征和細節特征；然后，使用簡單線性迭代聚類SLIC對圖像進行分割，根據區域對比構建基于區域對比度的顯著性圖；最后，根據圖像中的興趣點和圖像分割技術來構建凸包，根據凸包融合基于顏色直方圖和區域對比度的顯著性圖得到最終的顯著性圖。

本發明的技術方案為：

一種基于顏色直方圖和凸包的顯著性檢測方法，包括如下步驟：

第一步，根據圖像的顏色直方圖構建基于顏色直方圖的顯著性圖，像素的顯著性值由公式(1)計算得到：

其中，S_i表示像素i的顯著性值；n表示圖像中的像素個數；p_i表示像素i的顏色在圖像中所占的比例；||c_i,c_j||表示像素i和像素j在Lab顏色空間中的差異；

第二步，使用簡單線性迭代聚類算法SLIC將輸入圖像分割800～900個超像素，得到SLIC小超像素圖像，來表示圖像的區域性，由于一幅圖像中，圖像的四條邊附近更有可能是背景部分，所以根據每個超像素的顏色特征，將在圖像四條邊上的超像素分成3類；綜合考慮圖像中不同超像素之間的空間位置和顏色特征，使用公式(2)計算基于區域對比度的顯著性圖：

其中，S_I表示超像素I的顯著性值；N_k表示每個分類中超像素數量；d_I和d_J是超像素I和J的坐標，||d_I,d_J||是超像素I和J坐標的歐式距離；β₁＝0.2；β₂＝1.1；α＝8；||c_I,c_J||表示超像素I和超像素J在Lab顏色空間中的差異；

第三步，構建凸包來表示圖像中的顯著部分；

第四步，使用簡單線性迭代聚類算法SLIC將輸入圖像分割300～400個超像素，得到SLIC中等超像素圖像；查找第三步得到的凸包中所有像素位置對應的超像素，使用公式(3)更新第一步和第二步得到的顯著性圖中凸包外部超像素的顯著性值：

S_out＝S_out-α(3)

其中，S_out表示凸包外部的超像素(不包括凸包邊緣部分的超像素)；α＝0.5；

進而得到更新后的基于顏色直方圖的顯著性圖S₁，基于區域對比度的顯著性圖S₂。

第五步，最終的顯著性圖S通過公式(4)來計算：

S＝βS₁+(1-β)S₂(4)