專利名稱：一種融合區(qū)域顏色和HoG特征的視覺顯著性檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，具體來說是ー種融合區(qū)域顏色對比度和梯度方向直方圖(以下采用其英文簡寫“HoG”代替)特征的視覺顯著性檢測方法。
背景技術(shù)：
視覺顯著性被定義為視覺的不可預(yù)測性、稀缺性。由于相關(guān)的人類視覺注意理論的支持，視覺顯著性模型提供了ー種快速且高效的方法，在計(jì)算機(jī)視覺和圖像處理中作為重要的預(yù)處理機(jī)制。 目前的研究成果表明，多數(shù)視覺顯著性模型基于底層特征驅(qū)動(dòng)的自底向上的過程。其中，具有深遠(yuǎn)意義的工作是L. Itti等人提出的特征融合理論。在他們的模型中，顏色、亮度和方向特征分別從輸入圖像中提取，標(biāo)注地理特征地圖，然后使用線性融合方式合成主顯著性圖像。A. Borji等人提出基于區(qū)域稀有性的分析方法。該方法是在Lab和RGB空間學(xué)習(xí)全局和局部的顔色特征，分配圖像顯著性。這些方法模擬人類眼球運(yùn)動(dòng)，追蹤眼部的關(guān)注焦點(diǎn)，在生物學(xué)中有重要研究價(jià)值，但存在明顯的不足低分辨率，高亮局部輪廓，缺少完整的區(qū)域意識(shí)。為此，R. Achanta等人提出了ー種簡單的頻域協(xié)調(diào)方法，度量像素與圖像平均色的差異決定圖像的顯著性。該方法得到全分辨率的顯著性圖。之后，R. Achanta等人改用最大對稱環(huán)繞的檢測算子，降低背景干擾。M.-M. Cheng等人用圖分割抽象區(qū)域顔色，提出基于全局的區(qū)域空間相關(guān)性的計(jì)算模型，該方法是對區(qū)域?qū)Ρ壤碚摰慕忉?。最近，F(xiàn). Perazzi等人引入顯著性濾波器的概念，分別從元素獨(dú)立性和空間分布兩方面實(shí)現(xiàn)顯著性濾波，得到與輸入圖像大小一致的高質(zhì)量顯著性圖。這些方法都面向純計(jì)算模型，表現(xiàn)出區(qū)域完整，物體輪廓清晰，復(fù)雜度低的優(yōu)點(diǎn)。然而上述這些方法都是基于區(qū)域顔色，對于紋理的顯著性差異不敏感。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)的不足，融合區(qū)域顔色和HoG特征，提供了一種基于區(qū)域?qū)Ρ榷鹊囊曈X顯著性檢測方法。本發(fā)明方法的具體步驟如下
步驟(I):采用彩色變換方法，分別提取輸入圖像在Lab空間的7彩色分量圖、a彩色分量圖和b彩色分量圖。步驟(2):采用SLIC超像素聚類方法，將輸入圖像劃分為多個(gè)互不相交且區(qū)域面積近似相等的超像素區(qū)域。步驟(3):根據(jù)步驟(2)的結(jié)果，計(jì)算每個(gè)超像素區(qū)域的顔色特征，具體為 對于超像素區(qū)域其顔色特征是由超像素區(qū)域A的顔色均值矢量
、超像素區(qū)域A的質(zhì)心坐-Pi和超像素區(qū)域r,.的面積率F組成。
所述的超像素區(qū)域r,的顔色均值矢量V表示為
權(quán)利要求
1.ー種融合區(qū)域顔色和HoG特征的視覺顯著性檢測方法，其特征在于該方法包括如下步驟 步驟(I):采用彩色變換方法，分別提取輸入圖像在Lab空間的7彩色分量圖、a彩色分量圖和b彩色分量圖； 步驟(2):采用SLIC超像素聚類方法，將輸入圖像劃分為多個(gè)互不相交且區(qū)域面積近似相等的超像素區(qū)域； 步驟(3):根據(jù)步驟(2)的結(jié)果，計(jì)算每個(gè)超像素區(qū)域的顔色特征，具體為 對于超像素區(qū)域其顔色特征是由超像素區(qū)域A的顔色均值矢量Iii、超像素區(qū)域A的質(zhì)心坐標(biāo)？;和超像素區(qū)域r,.的面積率が組成； 所述的超像素區(qū)域A的顔色均值矢量μ 表示為V = [4 K /4]，其中4為超像素區(qū)域A內(nèi)所有像素的7彩色分量均值，/4為超像素區(qū)域A內(nèi)所有像素的a彩色分量均值，,力超像素區(qū)域A內(nèi)所有像素的6彩色分量均值； 所述的超像素區(qū)域ハ的質(zhì)心坐標(biāo)#表示為f=,其中/4為超像素區(qū)域ハ內(nèi)所有像素垂直方向坐標(biāo)的均值與輸入圖像高度的比值，pi為超像素區(qū)域ァ,.內(nèi)所有像素水平方向坐標(biāo)的均值與輸入圖像寬度的比值； 所述的超像素區(qū)域^的面積車卜表示超像素區(qū)域^內(nèi)的像素個(gè)數(shù)與輸入圖像總像素的比值； 步驟(4):根據(jù)步驟(3)得到的各超像素區(qū)域的顔色特征，計(jì)算每個(gè)超像素區(qū)域的顔色獨(dú)特性，具體為 對于超像素區(qū)域其顔色獨(dú)特性表示為KM = ki Σ οι(ι+^·>^) 其中為超像素區(qū)域r,.和超像素區(qū)域A在Lab空間的顏色距離；為超像素區(qū)域Ti和超像素區(qū)域ハ的空間相關(guān)性權(quán)重;η為步驟(2)中劃分出的超像素個(gè)數(shù)； 所述的超像素區(qū)域A和超像素區(qū)域巧在Lab空間的顏色距離巧表示為超像素區(qū)域r,.的顔色均值矢量V與超像素區(qū)域ハ.的顔色均值矢量 "的L2距離，具體描述為= ||μ!' —μ/| 所述的超像素區(qū)域A和超像素區(qū)域巧的空間相關(guān)性權(quán)重4具體表示為 ぜ〔き13)￥ ^ 其中=0.25為高斯函數(shù)標(biāo)準(zhǔn)差，I 1 -PjI為超像素區(qū)域巧的質(zhì)心坐標(biāo)ダ與超像素區(qū)域A的質(zhì)心坐標(biāo)滬的L2距離； 步驟(5):根據(jù)步驟(3)得到的各超像素區(qū)域的顔色特征，計(jì)算每個(gè)超像素區(qū)域的顔色空間分布特性，具體為 對于超像素區(qū)域其顔色空間分布特性表示為 其中為超像素區(qū)域r,和超像素區(qū)域Ty的空間距離；
全文摘要
本發(fā)明涉及一種融合區(qū)域顏色和HoG特征的視覺顯著性檢測方法。目前方法通常都基于區(qū)域顏色特征的純計(jì)算模型，對于紋理的顯著性差異不敏感。本發(fā)明方法首先在原始圖像的CIELAB空間彩色分量圖上，通過分析超像素區(qū)域的顏色對比度和分布特性，計(jì)算每個(gè)像素的顏色顯著性值；然后在原始圖像的RGB空間彩色分量圖上，提取基于HoG的局部矩形區(qū)域紋理特征，并通過分析局部矩形區(qū)域的紋理對比度和分布特性，計(jì)算每個(gè)像素的紋理顯著性值；最后采用二次非線性融合方法將每個(gè)像素的顏色顯著性值和紋理顯著性值融合為該像素的最終顯著性值。本發(fā)明方法獲得不僅可獲得符合人眼視覺感官的全分辨率顯著性圖像，并且對顯著性目標(biāo)具有更強(qiáng)的區(qū)分能力。
文檔編號(hào)G06T7/40GK102867313SQ20121031180
公開日2013年1月9日 申請日期2012年8月29日 優(yōu)先權(quán)日2012年8月29日
發(fā)明者周文暉, 宋騰, 孫志海, 張樺, 韋學(xué)輝 申請人:杭州電子科技大學(xué)