專利名稱：一種基于離群數(shù)據(jù)挖掘的圖像顯著性檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，特別涉及一種基于離群數(shù)據(jù)挖掘的圖像顯著性檢測(cè) (Image Saliency Detection)方法。
背景技術(shù)：
作為計(jì)算機(jī)視覺的一個(gè)重要研究領(lǐng)域，圖像顯著性檢測(cè)通過(guò)模擬人類的視覺注意 機(jī)制來(lái)提取圖像中具有顯著性的區(qū)域，以便于進(jìn)一步對(duì)圖像進(jìn)行理解和分析。一般來(lái)講，圖 像顯著性檢測(cè)方法會(huì)輸出圖像顯著性映射圖(Saliency Map)，用來(lái)反映圖像的各個(gè)區(qū)域?qū)?人類的吸引程度。其中，占據(jù)人類大部分注意力的區(qū)域被稱為圖像顯著性區(qū)域?；趫D像 顯著性映射圖，顯著性區(qū)域檢測(cè)被廣泛地應(yīng)用到計(jì)算機(jī)視覺的諸多領(lǐng)域當(dāng)中，如圖像檢索、 顯著性區(qū)域分割、基于內(nèi)容感知的圖像尺度變換等。
視覺注意機(jī)制理論認(rèn)為人類的視覺系統(tǒng)能夠高效率地捕捉到圖像中最重要的區(qū) 域并對(duì)其集中大部分注意力，而忽略圖像的其他部分。依據(jù)理論框架的類型，圖像顯著性檢 測(cè)方法可以分為兩大類自底向上的檢測(cè)框架和自頂向下的檢測(cè)框架。自底向上的檢測(cè)框 架假設(shè)人類主要是因?yàn)閳D像中各區(qū)域的外部差異和對(duì)比來(lái)捕捉顯著性區(qū)域，如顏色、對(duì)比 度等，且顯著性區(qū)域與圖像其他區(qū)域的差別較大。因此，采用該類檢測(cè)框架方法一般先進(jìn)行 基本視覺特征的提取，如顏色特征(Color Channel)、圖像灰度(GreyIntensity)、顏色朝向 (Orientation)等，然后依據(jù)區(qū)域間的對(duì)比來(lái)計(jì)算圖像顯著性映射圖。因此，該類方法主要 是由數(shù)據(jù)驅(qū)動(dòng)且需要遵循關(guān)于注意力機(jī)制的假設(shè)規(guī)則?；谧皂斚蛳碌臋z測(cè)框架的方法則 是與后續(xù)圖像理解和分析的任務(wù)密切相關(guān)的、由目標(biāo)驅(qū)動(dòng)的圖像顯著性檢測(cè)。為此，該類方 法需要獲得圖像目標(biāo)區(qū)域的先驗(yàn)知識(shí)，如明確目標(biāo)區(qū)域是人臉等，然后依據(jù)先驗(yàn)知識(shí)構(gòu)建 描述模型來(lái)將目標(biāo)區(qū)域與圖像背景區(qū)分。與自頂向下檢測(cè)方法相比，自底向上檢測(cè)方法能 夠在沒(méi)有任何先驗(yàn)知識(shí)的前提下，只依據(jù)圖像的基本視覺特征高效地構(gòu)建圖像顯著性映射 圖。因此，近年來(lái)大部分研究工作都是基于自底向上檢測(cè)方法。
當(dāng)前流行的自底向上檢測(cè)方法的最大問(wèn)題在于無(wú)法均勻地給予顯著性區(qū)域各個(gè) 像素同等大小的顯著性似然值(Saliency Score)，而一般僅能夠?qū)@著性區(qū)域的邊緣與圖 像背景區(qū)域明顯區(qū)分。一方面，這使得圖像顯著性區(qū)域的提取不夠完整，因而給進(jìn)一步的 圖像理解和分析提出了更多的挑戰(zhàn)；另一方面，同一區(qū)域的顯著性似然值差異過(guò)大，無(wú)法將 顯著性似然值作為權(quán)重直接與圖像的高層語(yǔ)義特征結(jié)合，限制了圖像顯著性區(qū)域的應(yīng)用范 圍。發(fā)明內(nèi)容
(一 )要解決的技術(shù)問(wèn)題
本發(fā)明的目的在于提出一種適用于復(fù)雜場(chǎng)景下無(wú)監(jiān)督的圖像顯著性區(qū)域檢測(cè)方 法，解決自動(dòng)識(shí)別圖像內(nèi)顯著性區(qū)域或焦點(diǎn)區(qū)域的技術(shù)問(wèn)題。
( 二)技術(shù)方案
為實(shí)現(xiàn)上述目的，本發(fā)明提出了一種基于離群數(shù)據(jù)挖掘的圖像顯著性區(qū)域檢測(cè)方 法，融合視覺特征空間分布信息和二維平面空間分布信息得到一種能夠更加均勻地凸顯整 個(gè)顯著性區(qū)域的檢測(cè)方法，其方法包括步驟如下(I)在所述圖像的視覺特征空間內(nèi)進(jìn)行 多尺度的視覺差異性分析，得到所述圖像各個(gè)像素點(diǎn)在不同尺度下的顯著性似然值；(2) 將不同尺度下得到的顯著性似然值進(jìn)行融合以得到基于視覺特征空間的圖像顯著性映射 圖；(3)在所述圖像的二維平面空間中內(nèi)進(jìn)行顯著性似然值的傳播，將所述圖像的視覺空 間分布信息和二維平面空間分布信息融合起來(lái)以得到最終的圖像顯著性映射圖。
優(yōu)選地，對(duì)圖像進(jìn)行多尺度的視覺差異性分析，包括如下步驟(Ia)所述圖像中 各個(gè)像素點(diǎn)的視覺特征信息由其二維平面空間預(yù)定鄰域內(nèi)像素點(diǎn)的視覺特征分布信息來(lái) 表示；(Ib)尋找所述圖像中各個(gè)像素點(diǎn)在當(dāng)前尺度下的視覺特征空間內(nèi)的k個(gè)距離最短 的鄰居像素點(diǎn)及相應(yīng)的距離值，其中參數(shù)k為不大于圖像像素點(diǎn)總個(gè)數(shù)的正整數(shù)；(Ic)計(jì) 算所述各個(gè)像素點(diǎn)的局部分布密度值；(Id)計(jì)算所述各個(gè)像素點(diǎn)的加權(quán)鄰域分布密度值； (Ie)利用所述局部分布密度值和所述加權(quán)鄰域分布密度值計(jì)算所述各個(gè)像素點(diǎn)的顯著性 似然值。
優(yōu)選地，在圖像二維平面空間內(nèi)進(jìn)行圖像顯著性似然值的傳播，包括如下步驟 (3a)尋找所述圖像各個(gè)像素點(diǎn)在二維平面空間內(nèi)的k個(gè)距離最近的像素點(diǎn)，并計(jì)算像素點(diǎn) 與其鄰居像素點(diǎn)在原始圖像的視覺特征空間內(nèi)的距離值，其中參數(shù)k為不大于圖像像素點(diǎn) 總個(gè)數(shù)的正整數(shù)；(3b)檢測(cè)所述圖像中的有效顯著性像素點(diǎn)；(3c)對(duì)所述圖像中非有效顯 著性像素點(diǎn)進(jìn)行顯著性似然值的傳播計(jì)算。
(三)有益效果
本發(fā)明所提出基于局部密度估計(jì)的多尺度顯著性映射圖構(gòu)建方法，通過(guò)全局視角 和局部視角的融合將圖像顯著性區(qū)域和背景區(qū)域區(qū)分開，能夠自適應(yīng)地處理復(fù)雜背景下的 圖像顯著性區(qū)域提取問(wèn)題，特別是背景區(qū)域與顯著性區(qū)域的視覺特征較為接近的情況。


圖1是本發(fā)明的圖像顯著性檢測(cè)方法的流程圖2是本發(fā)明的k-distance鄰域示意圖。
具體實(shí)施方式
為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照 附圖，對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。
本發(fā)明的方法具體運(yùn)行的硬件和編程語(yǔ)言并不受限制，用任何語(yǔ)言編寫都可以實(shí) 現(xiàn)本發(fā)明的方法。本發(fā)明采用一臺(tái)具有2. SG赫茲中央處理器和IG字節(jié)內(nèi)存的計(jì)算機(jī)，并 用Matlab語(yǔ)言編制了圖像顯著性區(qū)域檢測(cè)的工作程序，實(shí)現(xiàn)了本發(fā)明的方法。
圖1是本發(fā)明的圖像顯著性檢測(cè)方法的流程圖。如圖1所示，該方法包括
步驟1:在所述圖像的視覺特征空間內(nèi)從全局視角和局部視角出發(fā)，進(jìn)行多尺度 的視覺差異性分析，得到所述圖像各個(gè)像素點(diǎn)在不同尺度下的顯著性似然值；
步驟2 :將所述不同尺度下得到的顯著性似然值進(jìn)行融合，得到基于視覺特征空 間的圖像顯著性映射步驟3 :在所述圖像的二維平面空間中內(nèi)進(jìn)行顯著性似然值的傳播，將所述圖像的視覺空間分布信息和二維平面空間分布信息融合起來(lái)以得到最終的所述圖像顯著性映射圖。
下面詳細(xì)給出本發(fā)明技術(shù)方案中所涉及的各個(gè)步驟。
對(duì)于步驟I，包括如下步驟
步驟Ia :圖像中各個(gè)像素點(diǎn)用其二維平面空間內(nèi)周邊8個(gè)像素點(diǎn)的視覺特征分布信息進(jìn)行表示，如像素點(diǎn)i可由圖像塊Pi內(nèi)的視覺特征信息描述。為了便于理解，本文直接使用圖像塊Pi表示像素點(diǎn)i。本步驟所用的視覺特征信息為顏色空間CIE L*a*b*內(nèi)各個(gè)顏色通道的取值，其中像素點(diǎn)i的視覺特征信息表示如下
權(quán)利要求
1.一種基于離群數(shù)據(jù)挖掘的圖像顯著性檢測(cè)方法，該方法包括以下步驟步驟1:在所述圖像的視覺特征空間內(nèi)進(jìn)行多尺度的視覺差異性分析，得到所述圖像各個(gè)像素點(diǎn)在不同尺度下的顯著性似然值；步驟2 :將所述不同尺度下得到的顯著性似然值進(jìn)行融合，得到基于視覺特征空間的圖像顯著性映射圖；步驟3:在所述圖像的二維平面空間內(nèi)進(jìn)行顯著性似然值的傳播，將所述圖像的視覺特征空間分布信息和二維平面空間分布信息融合起來(lái)以得到最終的所述圖像顯著性映射圖。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟I包括步驟Ia :所述圖像中各個(gè)像素點(diǎn)的視覺特征信息由其二維平面空間鄰域內(nèi)的鄰居像素點(diǎn)的視覺特征分布信息來(lái)表示；步驟Ib :尋找所述各個(gè)像素點(diǎn)在當(dāng)前尺度下的視覺特征空間內(nèi)的k個(gè)距離最短的鄰居像素點(diǎn)及各個(gè)像素點(diǎn)與所述鄰居像素點(diǎn)之間的距離值，其中，所述k為不大于圖像像素點(diǎn)總個(gè)數(shù)的正整數(shù)；步驟Ic :計(jì)算所述各個(gè)像素點(diǎn)的局部分布密度值；步驟Id :計(jì)算所述各個(gè)像素點(diǎn)的加權(quán)鄰域分布密度值；步驟Ie :利用所述局部分布密度值和加權(quán)鄰域分布密度值計(jì)算所述各個(gè)像素點(diǎn)的顯著性似然值。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2依據(jù)如下方式將不同尺度下得到的顯著性似然值進(jìn)行融合，
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3包括步驟3a :尋找所述圖像各個(gè)像素點(diǎn)在二維平面空間內(nèi)的k個(gè)距離最短的鄰居像素點(diǎn)， 其中，所述k為不大于圖像像素點(diǎn)總個(gè)數(shù)的正整數(shù)；步驟3b :確定所述圖像中的有效顯著性像素點(diǎn)；步驟3c :對(duì)所述圖像中非有效顯著性像素點(diǎn)進(jìn)行顯著性似然值的傳播計(jì)算。
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述步驟Ia中，所用的視覺特征信息為顏色空間CIE L*a*b*內(nèi)各個(gè)顏色通道的取值,其中像素點(diǎn)i的顏色視覺特征信息表示如
6.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述步驟Ib中，在視覺特征空間內(nèi)所述 k個(gè)距離最短的鄰居像素點(diǎn)如下確定圖像內(nèi)像素總數(shù)為D，對(duì)任意一個(gè)不大于D的正整數(shù)k，滿足如下條件的像素點(diǎn)Pi和Pj 之間的距離ρ」)為 k-di stance (Pi)(1)至少有k個(gè)像素點(diǎn)P'滿足條件ρ」')≤dcolor(pi； Pj)；(2)最多有k-1個(gè)像素點(diǎn)p'滿足條件Upi,ρ」')< dcolor (Pi, ρ」)；則其中像素點(diǎn)Pi的k-distance鄰域Nk(Pi)包含每一個(gè)與Pi的距離小于 k-distance (Pi)的k個(gè)距離最短的鄰居像素點(diǎn)。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在所述步驟Ic中，在各個(gè)像素點(diǎn)的 k-distance鄰域內(nèi)Nk(Pi)估計(jì)所述各個(gè)像素點(diǎn)的局部分布密度值,具體如下
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，在所述步驟Id中，所述計(jì)算各個(gè)像素點(diǎn)的加權(quán)鄰域分布密度值具體如下
9.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述步驟3a中，確定各個(gè)像素點(diǎn)在二維平面空間內(nèi)的k-distance鄰域(O，其方式具體如下所示圖像內(nèi)像素總數(shù)為D，對(duì)任意一個(gè)不大于D的正整數(shù)k，滿足如下條件的像素點(diǎn)Pi和Pj 之間的距離 dspatial(i，j)為 I^distancespatial(Pi)(1)至少有k個(gè)像素點(diǎn)p'滿足條件
10.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述步驟3b中，將所有像素點(diǎn)在視覺特征空間中的顯著性似然值從高到低進(jìn)行排序，并將所述顯著性似然值大于預(yù)定值的像素點(diǎn)判定為有效顯著性像素點(diǎn)；在所述步驟3c中，對(duì)非有效顯著性像素點(diǎn)進(jìn)行顯著性似然值的傳播，以修正所述非有效顯著性像素點(diǎn)的顯著性似然值，相應(yīng)的計(jì)算公式如下所示
全文摘要
本發(fā)明公開了一種基于離群數(shù)據(jù)挖掘的圖像顯著性檢測(cè)方法，該方法包括在圖像的多尺度視覺特征空間內(nèi)分別估計(jì)各個(gè)像素點(diǎn)的局部分布密度值、加權(quán)鄰域分布密度值；計(jì)算表征圖像區(qū)域分布差異信息的顯著性似然值；采用基于核方法的顯著性似然值傳播方法來(lái)融合圖像的視覺特征空間分布信息和二維平面空間分布信息以修正顯著性似然值，并輸出圖像的顯著性映射圖。
文檔編號(hào)G06T7/00GK103065302SQ20121056987
公開日2013年4月24日 申請(qǐng)日期2012年12月25日 優(yōu)先權(quán)日2012年12月25日
發(fā)明者胡衛(wèi)明, 高君 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所