專利名稱：用于智能監(jiān)控的顯著區(qū)域提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種可應(yīng)用于智能監(jiān)控的顯著區(qū)域提取技術(shù)，屬于圖像、多媒體信號(hào) 處理技術(shù)領(lǐng)域。
背景技術(shù)：
隨著社會(huì)發(fā)展，智能監(jiān)控系統(tǒng)的應(yīng)用越來越普遍化。比如，現(xiàn)今在海關(guān)、銀行、車 站、商店等一些重要的公共場(chǎng)所都會(huì)裝有監(jiān)控?cái)z像機(jī)，但大部分情況下對(duì)于監(jiān)控所得的視 頻數(shù)據(jù)都是以統(tǒng)一分辨率對(duì)監(jiān)控場(chǎng)景采集所得，通常往往因?yàn)榉直媛什荒艹浞謶?yīng)用在重要 區(qū)域中，導(dǎo)致無法對(duì)重要區(qū)域或?qū)ο筮M(jìn)行有效地分辨，這種處理方式顯得繁瑣且造成麻煩。 如刑偵破案等。因此，迫切需要智能監(jiān)控能自動(dòng)探測(cè)重要區(qū)域。隨著生物科學(xué)的發(fā)展，諸多研究成果表明，人眼對(duì)于視覺圖像各區(qū)域的關(guān)注程度 是不均等的。對(duì)于刺激較強(qiáng)的圖像區(qū)域，人眼總是投入更多的視覺注意；而對(duì)于平坦區(qū)域， 人眼投入的視覺注意較少，這正是人類視覺擁有著高效的信息處理功能和目標(biāo)捕獲功能的 主要原因所在。因此如果智能監(jiān)控系統(tǒng)能較精確的仿真生物視覺的注意機(jī)制，只對(duì)圖像中 可能存在感興趣目標(biāo)的顯著區(qū)域進(jìn)行關(guān)注，而對(duì)于平坦區(qū)域則不予關(guān)注，那么圖像中的冗 余信息就可以被提前舍棄，而可能的重要區(qū)域，即目標(biāo)區(qū)域，則能得到重點(diǎn)的關(guān)注。因此，研 究可應(yīng)用于智能監(jiān)控的視覺注意模型來提取圖像的顯著區(qū)域作為監(jiān)控的重要區(qū)域進(jìn)行探 測(cè)采集。近年來對(duì)視覺注意模型提取顯著區(qū)域的研究已經(jīng)成了研究熱點(diǎn)，已經(jīng)提出了一些 視覺注意模型并且應(yīng)用到了許多方面。經(jīng)典的Itti注意模型，通過提取輸入圖像的顏色、 亮度、方向等低級(jí)特征進(jìn)行分析融合得到顯著圖。它的基本思想在于將像素在顏色、亮度、 方向等方面與周圍區(qū)域的對(duì)比度定義為該點(diǎn)的顯著值，對(duì)比越強(qiáng)，該點(diǎn)的顯著值就越大。該 模型雖然可以找到注意焦點(diǎn)，但是得到的顯著區(qū)域相當(dāng)不準(zhǔn)確，并且顯著區(qū)域與圖像中對(duì) 象邊界不相吻合。為了使視覺注意模型更好地在實(shí)際中得到應(yīng)用，就必須在Itti模型的基 礎(chǔ)上進(jìn)行改進(jìn)。由于亮度、紋理、顏色是表征圖像的最基本特征，因此，考慮基于這三種特 征，代替以往的中央周邊差計(jì)算，采用新的局部對(duì)照特征方法來提取圖像的顯著區(qū)域，使這 種顯著區(qū)域提取方法更適合應(yīng)用到智能監(jiān)控中。

發(fā)明內(nèi)容
本發(fā)明針對(duì)目前已有視覺注意模型提取顯著區(qū)域算法存在的提取不準(zhǔn)確、不完整 等不足，提出一種基于多尺度低級(jí)特征局部對(duì)照的用于智能監(jiān)控的顯著區(qū)域提取方法，此 方法在顯著區(qū)域提取的準(zhǔn)確性和完整性上有明顯的提高，且符合人眼的視覺特性。本發(fā)明的用于智能監(jiān)控的顯著區(qū)域提取方法，包括以下步驟(1)多尺度變換將輸入圖像進(jìn)行濾波處理，得到輸入圖像在m個(gè)不同尺度上的圖 像，m e {4,6,8}；(2)局部對(duì)照特征提取在不同尺度上，分別計(jì)算亮度、紋理、顏色三個(gè)低級(jí)特征的局部對(duì)照?qǐng)D，局部對(duì)照?qǐng)D計(jì)算是采用一個(gè)滑動(dòng)的像素窗口來計(jì)算每一位置的局部對(duì)照 值，對(duì)于亮度采用基于韋伯-費(fèi)克納(Weber-Fechner)法則的方法計(jì)算其局部對(duì)照?qǐng)D，對(duì)于 紋理通過灰度方差來計(jì)算其局部對(duì)照?qǐng)D，對(duì)于顏色采用在基于視覺感知的HSI顏色空間中 顏色差方法計(jì)算其局部對(duì)照?qǐng)D；(3)特征圖形成對(duì)每一個(gè)特征在各個(gè)尺度上的局部對(duì)照?qǐng)D進(jìn)行迭代內(nèi)插求和運(yùn) 算，形成每個(gè)特征的特征圖；(4)全局歸一化歸一化計(jì)算三幅特征圖中每個(gè)像素點(diǎn)的顯著值，得到三幅顯著 圖；(5)線性結(jié)合對(duì)三幅顯著圖進(jìn)行線性結(jié)合得到最終的顯著圖。顯著圖中的顯著性是通過圖像的灰度來表示，灰度值越大的地方，受關(guān)注程度越 強(qiáng)，顯著性越大；反之，顯著性越小。所述步驟(1)中的濾波是使用高斯金字塔模型對(duì)輸入圖像進(jìn)行多級(jí)濾波。所述步驟(2)中計(jì)算局部對(duì)照?qǐng)D采用一個(gè)滑動(dòng)的局部像素窗口來計(jì)算每一位置 的局部對(duì)照值；在計(jì)算每一位置像素的對(duì)照值時(shí)，該位置與窗口的中心像素相對(duì)應(yīng)，計(jì)算該 點(diǎn)與周圍窗口大小的區(qū)域的對(duì)照，所得的值作為該位置點(diǎn)的局部對(duì)照值；對(duì)亮度、紋理、顏 色分別計(jì)算，得到三幅局部對(duì)照?qǐng)D。基于韋伯-費(fèi)克納(Weber-Fechner)法則的亮度局部對(duì)照?qǐng)D計(jì)算公式如下
權(quán)利要求
一種用于智能監(jiān)控的顯著區(qū)域提取方法，包括以下步驟(1)多尺度變換將輸入圖像進(jìn)行濾波處理，得到輸入圖像在m個(gè)不同尺度上的圖像，m∈{4，6，8}；(2)局部對(duì)照特征提取在不同尺度上，分別計(jì)算亮度、紋理、顏色三個(gè)低級(jí)特征的局部對(duì)照?qǐng)D，局部對(duì)照?qǐng)D計(jì)算是采用一個(gè)滑動(dòng)的像素窗口來計(jì)算每一位置的局部對(duì)照值，對(duì)于亮度采用基于韋伯 費(fèi)克納法則的方法計(jì)算其局部對(duì)照?qǐng)D，對(duì)于紋理通過灰度方差來計(jì)算其局部對(duì)照?qǐng)D，對(duì)于顏色采用在基于視覺感知的HSI顏色空間中顏色差方法計(jì)算其局部對(duì)照?qǐng)D；(3)特征圖形成對(duì)每一個(gè)特征在各個(gè)尺度上的局部對(duì)照?qǐng)D進(jìn)行迭代內(nèi)插求和運(yùn)算，形成每個(gè)特征的特征圖；(4)全局歸一化歸一化計(jì)算三幅特征圖中每個(gè)像素點(diǎn)的顯著值，得到三幅顯著圖；(5)線性結(jié)合對(duì)三幅顯著圖進(jìn)行線性結(jié)合得到最終的顯著圖。
2.根據(jù)權(quán)利要求1所述的用于智能監(jiān)控的顯著區(qū)域提取方法，其特征在于所述顯著 圖中的顯著性是通過圖像的灰度來表示，灰度值越大的地方，受關(guān)注程度越強(qiáng)，顯著性越 大；反之，顯著性越小。
3.根據(jù)權(quán)利要求1所述的用于智能監(jiān)控的顯著區(qū)域提取方法，其特征在于所述步驟(1)中的濾波是使用高斯金字塔模型對(duì)輸入圖像進(jìn)行多級(jí)濾波。
4.根據(jù)權(quán)利要求1所述的用于智能監(jiān)控的顯著區(qū)域提取方法，其特征在于所述步驟(2)中在計(jì)算每一位置像素的對(duì)照值時(shí)，該位置與窗口的中心像素相對(duì)應(yīng)，計(jì)算該點(diǎn)與周圍 窗口大小的區(qū)域的對(duì)照，所得的值作為該位置點(diǎn)的局部對(duì)照值；對(duì)亮度、紋理、顏色分別計(jì) 算，得到三幅局部對(duì)照?qǐng)D；基于韋伯_費(fèi)克納法則的亮度局部對(duì)照?qǐng)D的計(jì)算公式如下其中，I (x，y)為像素點(diǎn)(x，y)處的亮度對(duì)照值，C為常數(shù)，ITx和巧“分別是第j個(gè)窗口 內(nèi)的亮度最大值和平均值，N= (2k+l) X (2k+l)表示窗口內(nèi)的像素個(gè)數(shù)。In(ne 1，2，… N)表示窗口內(nèi)任意像素點(diǎn)的亮度值；基于灰度方差的紋理局部對(duì)照?qǐng)D的計(jì)算公式如下其中，In(n e 1,2,…N)表示窗口內(nèi)任意像素點(diǎn)的亮度值；基于視覺感知的HSI顏色空間的局部對(duì)照?qǐng)D計(jì)算方法如下首先對(duì)兩個(gè)在HSI顏色空 間的彩色值Y1= (HnS1J1)IPY2= (H2，S2，I2)τ，定義彩色差為:Ahsi(YVY2) = ^(A1)2+(Ac)2其中 Δ I = I IfI2I 和 Ac = -Jsf + Sl 一 IS1S2 COS θ θ\\Ηχ-Η2\· ι/\Ηι-Η2\<π '{ π^Η,-Η^· ι/\Ηχ-Η2\>πI .·八_丄η=1-Vi )2]: JVzT “·* * Msl因此，顏色局部對(duì)照?qǐng)D計(jì)算如下式
5.根據(jù)權(quán)利要求1所述的用于智能監(jiān)控的顯著區(qū)域提取方法，其特征在于所述步驟 (3)中形成每個(gè)特征的特征圖的步驟為a從分辨率最低的尺度開始，將分辨率較低的尺度上的局部對(duì)照?qǐng)D內(nèi)插成與其相鄰的 分辨率較高的尺度大?。籦將內(nèi)插后的局部對(duì)照?qǐng)D與其對(duì)應(yīng)尺度上的局部對(duì)照?qǐng)D進(jìn)行相加； c以上步驟a、b進(jìn)行重復(fù)迭代運(yùn)算，直到在分辨率最高的尺度上進(jìn)行相加為止，得到特 征圖。
全文摘要
本發(fā)明提出了一種用于智能監(jiān)控的顯著區(qū)域提取方法，包括以下步驟(1)多尺度變換；(2)局部對(duì)照特征提?。?3)特征圖形成；(4)全局歸一化；(5)線性結(jié)合。顯著圖中的顯著性是通過圖像的灰度來表示，灰度值越大的地方，受關(guān)注程度越強(qiáng)，顯著性越大；反之，顯著性越小。本發(fā)明考慮到人眼對(duì)于強(qiáng)對(duì)照敏感的視覺特性，充分利用表征圖像的最基本、最重要的亮度、紋理和顏色三個(gè)低級(jí)特征，對(duì)圖像進(jìn)行多尺度局部對(duì)照的提取，經(jīng)過迭代內(nèi)插求和，歸一化處理，線性結(jié)合一系列操作提取圖像的顯著區(qū)域；在顯著區(qū)域提取的準(zhǔn)確性和完整性上有明顯的提高。
文檔編號(hào)G06K9/46GK101944178SQ20101029293
公開日2011年1月12日 申請(qǐng)日期2010年9月27日 優(yōu)先權(quán)日2010年9月27日
發(fā)明者劉琚, 孫建德, 張 杰, 楊彩霞 申請(qǐng)人:山東大學(xué)