[發(fā)明專利]基于Itti模型和膠囊神經(jīng)網(wǎng)絡(luò)的圖像顯著性檢測方法

有效

• 申請?zhí)枺?/td>: 201911293419.X
• 申請日: 2019-12-16
• 公開（公告）號: CN111047581B
• 公開（公告）日: 2022-03-25
• 發(fā)明（設(shè)計）人: 劉廣海
• 申請（專利權(quán)）人: 廣西師范大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90
• 代理公司: 桂林市持衡專利商標(biāo)事務(wù)所有限公司 45107
• 代理人: 陳躍琳

1.基于Itti模型和膠囊神經(jīng)網(wǎng)絡(luò)的圖像顯著性檢測方法，其特征是，具體包括如下步驟：

步驟1、對每幅樣本原始圖像采用顏色拮抗機制抽取顏色特征，分別得到紅綠拮抗顏色邊緣圖、藍黃拮抗顏色邊緣圖和黑白拮抗顏色邊緣圖；

步驟2、對每幅樣本原始圖像的紅綠拮抗顏色邊緣圖、藍黃拮抗顏色邊緣圖和黑白拮抗顏色邊緣圖進行PCA降維處理，并將降維后的圖像整合成一幅整合邊緣圖，并對該整合邊緣圖進行歸一化后獲得第一整合權(quán)重圖；

步驟3、將每幅樣本原始圖像送入到Itti視覺顯著性模型中，得到顏色關(guān)注圖、密度關(guān)注圖和方向關(guān)注圖；

步驟4、對每幅樣本原始圖像的紅綠拮抗顏色邊緣圖、藍黃拮抗顏色邊緣圖、黑白拮抗顏色邊緣圖、顏色關(guān)注圖、密度關(guān)注圖和方向關(guān)注圖進行PCA降維處理，并將降維后的圖像整合成一幅整合邊緣關(guān)注圖，并對該整合邊緣關(guān)注圖進行歸一化后獲得第二整合權(quán)重圖；

步驟5、將每幅樣本原始圖像的紅綠拮抗顏色邊緣圖、藍黃拮抗顏色邊緣圖、黑白拮抗顏色邊緣圖、顏色關(guān)注圖、密度關(guān)注圖和方向關(guān)注圖分別與第一整合權(quán)重圖進行對應(yīng)像素點的灰度值相乘，并將相乘后所得圖像中各個對應(yīng)像素點的灰度平均值作為第一顯著圖對應(yīng)像素點的灰度值，由此得到第一顯著圖；

步驟6、將每幅樣本原始圖像的紅綠拮抗顏色邊緣圖、藍黃拮抗顏色邊緣圖、黑白拮抗顏色邊緣圖、顏色關(guān)注圖、密度關(guān)注圖和方向關(guān)注圖分別與第二整合權(quán)重圖W₂進行對應(yīng)像素點的灰度值相乘，并將相乘后所得圖像中各個對應(yīng)像素點的最大灰度值作為第二顯著圖對應(yīng)像素點的灰度值，由此得到第二顯著圖；

步驟7、對于步驟5所得到的第一顯著圖與步驟6所得到的第二顯著圖進行對應(yīng)像素點，將兩像素點灰度值的平方相加后再取根號所得到的灰度值作為綜合顯著圖對應(yīng)像素點的灰度值，由此得到綜合顯著圖；

步驟8、采用上述步驟1-7的方法對所有樣本原始圖像進行處理，得到每幅樣本原始圖像的綜合顯著圖，將所有樣本原始圖像及其對應(yīng)的綜合顯著圖送入到膠囊神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到訓(xùn)練好的膠囊神經(jīng)網(wǎng)絡(luò)；

步驟9、將當(dāng)前待檢測的原始圖像送入到步驟8所訓(xùn)練好的膠囊神經(jīng)網(wǎng)絡(luò)中，訓(xùn)練好的膠囊神經(jīng)網(wǎng)絡(luò)輸出當(dāng)前待檢測的原始圖像的綜合顯著圖，由此完成當(dāng)前待檢測圖像的顯著性檢測。

2.根據(jù)權(quán)利要求1所述基于Itti模型和膠囊神經(jīng)網(wǎng)絡(luò)的圖像顯著性檢測方法，其特征是，還進一步包括如下步驟：

步驟10、針對當(dāng)前待檢測的原始圖像的綜合顯著圖，采用精確度返回率、F值和/或絕對平均誤差來評價顯著性檢測性能。

3.根據(jù)權(quán)利要求1所述基于Itti模型和膠囊神經(jīng)網(wǎng)絡(luò)的圖像顯著性檢測方法，其特征是，對于每幅樣本原始圖像，紅綠拮抗顏色邊緣圖、藍黃拮抗顏色邊緣圖和黑白拮抗顏色邊緣圖的數(shù)量相同，顏色關(guān)注圖、密度關(guān)注圖和方向關(guān)注圖的數(shù)量相同。

4.根據(jù)權(quán)利要求3所述基于Itti模型和膠囊神經(jīng)網(wǎng)絡(luò)的圖像顯著性檢測方法，其特征是，對于每幅樣本原始圖像，紅綠拮抗顏色邊緣圖、藍黃拮抗顏色邊緣圖和黑白拮抗顏色邊緣圖的數(shù)量均為64幅，顏色關(guān)注圖、密度關(guān)注圖和方向關(guān)注圖的數(shù)量均為1幅。