[發明專利]基于視覺注意模型的感興趣區域檢測方法

在審

• 申請號: 201810034712.3
• 申請日: 2018-01-15
• 公開（公告）號: CN108154147A
• 公開（公告）日: 2018-06-12
• 發明（設計）人: 徐振輝;毛保全;朱守瑞;白向華;楊雨迎;韓小平;吳東亞;馮帥;李程;張天意;辛學敏;鄭博文;王之千;李俊;朱銳;李曉剛;蘭圖
• 申請（專利權）人: 中國人民解放軍陸軍裝甲兵學院
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46
• 代理公司: 中國兵器工業集團公司專利中心 11011
• 代理人: 袁孜

本發明涉及一種基于視覺注意模型的感興趣區域檢測方法，涉及圖像處理技術領域。本發明對Itti視覺模型進行改進，加入了視覺注意機制模擬人的視覺感知過程，增加彈標的運動信息，使得檢測結果更符合人的生理特征，對復雜背景下導彈彈標類小目標的檢測效果有了明顯提高。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種基于視覺注意模型的感興趣區域檢測方法。

背景技術

人們往往對感興趣的對象付諸更多的注意，這是由于視覺注意是有選擇性的，稱為視覺選擇性，或視覺顯著性。當面對復雜場景時，視覺系統能迅速將注意力集中在場景中的某些顯著區域。

感興趣區(Regions Of Interest，ROI)是人們觀察和理解圖像時產生興趣、關注或注意的區域，即圖像中最能引起人們興趣，最能表現圖像內容的區域。它注意機制應用中提出的重要概念。感興趣區可以認為是圖像中最顯著(saliency)的像素集合，即顯著點或興趣點的集合。如何從一幅圖像中自動的提取出感興趣區，就是感興趣區檢測技術。

感興趣區檢測，即顯著性區域檢測是利用計算機技術模擬人類視覺系統，使用視覺注意模型，提取圖像的一些關鍵信息作為顯著點，以顯著點為中心的適當區域作為感興趣區。感興趣區域選擇不是依靠場景區域的自身特征，而是依靠它與周圍區域比較產生的相對特征，即視覺顯著性。顯著性強，被選為感興趣區域。如何設計一種圖像的感興趣區檢測方法，使得檢測結果更符合人的生理特征成為亟待解決的技術問題。

發明內容

(一)要解決的技術問題

本發明要解決的技術問題是：如何設計一種圖像的感興趣區檢測方法，使得檢測結果更符合人的生理特征。

(二)技術方案

為了解決上述技術問題，本發明提供了一種基于視覺注意模型的感興趣區域檢測方法，包括以下步驟：

步驟一、建立多尺度圖像結構

一幅二維圖像，在不同尺度下的尺度空間表示可由輸入圖像I(x,y)與高斯核G(x,y,σ)卷積得到：

L(x,y,σ)＝G(x,y,σ)*I(x,y) (2)

式(2)中，(x,y)代表圖像的像素位置，σ稱為尺度空間因子，其值越小則表征該圖像被平滑的越少，相應的尺度也就越小，大尺度對應于圖像的概貌特征，小尺度對應于圖像的細節特征，L代表了圖像的尺度空間；

步驟二、初級視覺特征提取

1、亮度特征提取

如果是彩色視頻圖像，r、g、b分別表示圖像中的紅色、綠色和藍色，則亮度計算公式為：

I＝(r+g+b)/3 (3)

如果是灰度圖像，則灰度特征直接選取每個像素的灰度值即可；2、顏色特征提取

定義R、G、B、Y分別為紅、綠、藍、黃4個顏色通道，則：

R＝r-(g+b)/2

G＝g-(r+b)/2 (4)

B＝b-(r+g)/2

Y＝(r+g)/2-(r-g)/2-b

則RG和BY通道為：RG＝R-GB，Y＝B-(R+G)/2；

3、方向特征提取

方向特征用Gabor濾波器來進行提取：

一維Gabor函數，即1D-Gabor函數：