[發(fā)明專利]融合顏色對比圖和顏色空間分布圖的圖像顯著性檢測方法

有效

• 申請?zhí)枺?/td>: 201710579455.7
• 申請日: 2017-07-17
• 公開（公告）號: CN107392968B
• 公開（公告）日: 2019-07-09
• 發(fā)明（設(shè)計）人: 許金蘭;崔玲玲;徐崗;吳卿
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06T7/90
• 分類號: G06T7/90;G06T7/10;G06K9/62
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 黃前澤

本發(fā)明公開了一種融合顏色對比圖和顏色空間分布圖的圖像顯著性檢測方法。通常的自下而上的圖像顯著性檢測方法是利用圖像的顏色、亮度、邊緣等底層特征來計算。本發(fā)明綜合圖像底層顏色對比特征圖和圖像顏色空間分布特征圖來得到最后的顯著性圖。首先根據(jù)SLIC超像素分割后的圖像求取圖像的顏色對比特征圖，接著，利用K?Means聚類后的圖像通過計算獲得初步的顏色空間分布特征圖，再映射到超像素分割圖上，進而根據(jù)圖像顏色的相似度來進一步優(yōu)化顏色分布特征圖。最后融合顏色對比特征圖和優(yōu)化后的圖像顏色空間分布特征圖得到最終的顯著圖。本發(fā)明能夠在較低的時間復(fù)雜度內(nèi)得到較準確、完整的顯著圖。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機圖像處理領(lǐng)域，涉及檢測圖像的顯著性區(qū)域，具體涉及融合顏色對比圖和顏色空間分布圖的圖像顯著性檢測方法。

背景技術(shù)

圖像的顯著性檢測是將圖像中最重要的、包含豐富信息的區(qū)域標記出來。顯著性檢測在圖像分割、圖像壓縮、圖像檢索、目標識別等領(lǐng)域具有重要應(yīng)用，對于圖像的理解及處理有著重要的應(yīng)用價值。如何快速準確地從大量的圖像信息中檢索到人們想要關(guān)注的信息是一個極其重要的課題。研究發(fā)現(xiàn)人類的視覺系統(tǒng)具有視覺選擇性能力，并且人類的視覺系統(tǒng)主要分為兩種，即自底向上策略注意機制和自頂向下策略注意機制。前者是利用圖像的顏色、亮度、邊緣等特征來計算，而后者主要針對圖像的特定特征來計算圖像的顯著性區(qū)域。由于目前所檢測的圖像大多是不確定的、無目標的區(qū)域，因此大多數(shù)的算法均為自底向上模型。

下面對國內(nèi)外的基于自底向上的圖像顯著性檢測方法進行介紹。其中，最早由Itti等人(“A Model of Saliency-Based Visual Attention for Rapid SceneAnalysis”)于1998年提出的著名的生物啟發(fā)模型，根據(jù)視覺系統(tǒng)的行為和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提取圖像的亮度、顏色以及方向特征，利用中心-周邊差來得到圖像在不同尺度下的特征。在Itti模型的基礎(chǔ)上Hofmann等人(“Graph-Based Visual Saliency”)于2006年提出了基于圖論的GBVS算法，該算法采用Itti的特征提取方法，把像素點(或者圖像塊)作為節(jié)點并計算節(jié)點間的差異得到一個帶權(quán)無向圖，最后利用Markov鏈計算最終的顯著圖。Zhai等人(“attention detection in video sequences using spatiotemporal cues”)于2006年提出的LC算法，可以通過計算每個像素與其余像素灰度信息的差異計算得到顯著圖，但缺少色彩信息。Hou等人(“A Spectral Residual Approach”)于2007年從頻域角度提出了頻譜差法SR，利用圖像的傅里葉頻譜與平均頻譜之差做反傅里葉變換得到顯著圖。該方法適用于尺寸較小的顯著目標，但顯著圖往往只有注視點區(qū)域，沒有清晰邊界。Achanta等人(“Salient region detection and segmentation”)于2008年提出的AC算法中，顯著性被定義為圖像區(qū)域相對于其在多尺度下的鄰域的局部對比度，是一種全分辨算法，可得到清晰的邊界信息。Achanta等人(“Frequency-tuned Salient Region Detection”)于2009年提出一種基于DOG算子的頻域調(diào)制算法FT，該算法利用圖像在lab色彩空間中每個通道與色彩均值之差，可得到全局對比度的顯著圖。Cheng等人(“Global Contrast based SalientRegion Detection”)于2011年提出了基于全局對比度的檢測方法。該方法對量化后的圖像建立顏色直方圖，通過計算每種顏色與其他顏色之間的差異度來獲取直方圖對比度(HC)。利用上述直方圖把圖像分割為不同的顏色塊，再組合空間關(guān)系來計算每個區(qū)域的顯著值(RC)，最后得到基于區(qū)域?qū)Ρ榷鹊娘@著圖。Hornung等人(“Contrast based filtering forsalient region”)于2012年提出了一種基于濾波來提高計算效率的方法，顯著圖的計算元素是SLIC超像素分割后的每一個超像素塊，綜合顏色對比度和顏色分布方差來計算顯著圖。郭迎春等人(“基于Local特征和Regional特征的圖像顯著性檢測”)于2013年利用圖像在多個尺度下計算得到的子塊的局部特征和區(qū)域特征進行自然圖像的顯著性檢測。張旭東等人(“結(jié)合區(qū)域協(xié)方差分析的圖像顯著性檢測”)于2016年提出了一種基于協(xié)方差矩陣的檢測方法，但部分顯著目標不完整。