專利名稱：基于圖像中全局顏色對(duì)比度和空域分布的視覺顯著性算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，具體涉及一種圖像中視覺顯著性計(jì)算方法。
背景技術(shù)：
視覺顯著性的計(jì)算過程是通過模擬人眼觀察圖像的過程，進(jìn)而提取人眼感興趣區(qū)域，最后得到一幅與關(guān)注度相對(duì)應(yīng)的視覺顯著性圖。人眼在觀察一幅圖像時(shí)常常會(huì)把注意力放在某一個(gè)比較突出的區(qū)域或圖像塊，這些突出的區(qū)域或圖像塊被稱為視覺顯著性區(qū)域。通過某種計(jì)算方法將這些視覺顯著性區(qū)域突顯出來(lái)的過程稱為視覺顯著性區(qū)域檢測(cè)。為方便對(duì)圖像進(jìn)行高效的后續(xù)處理，受人眼的注意機(jī)制的啟發(fā)，我們用計(jì)算機(jī)來(lái)模擬人類視覺系統(tǒng)，檢測(cè)出圖像的視覺顯著區(qū)域。在顯著對(duì)象識(shí)別、圖像壓縮、圖像分類及圖像/視頻自適應(yīng)等多方面，都是圖像視覺顯著性區(qū)域檢測(cè)的重要應(yīng)用場(chǎng)合。例如壓縮，我們可以對(duì)圖像中視覺顯著的區(qū)域進(jìn)行小比例的壓縮或不壓縮，對(duì)于圖像中非視覺顯著區(qū)域進(jìn)行比較大比例的壓縮，這樣做既能實(shí)現(xiàn)圖像壓縮的目的，也不影響人們對(duì)圖像的理解，圖像中的信息保留得比較完全。視覺顯著性計(jì)算方法旨在能夠準(zhǔn)確快速地檢測(cè)出圖像中與人眼關(guān)注度相對(duì)應(yīng)的視覺顯著性對(duì)象，檢測(cè)結(jié)果表現(xiàn)為在輸出圖像中越亮的地方對(duì)應(yīng)原始圖像越顯著的位置，計(jì)算的輸出圖稱為視覺顯著性圖。
目前國(guó)內(nèi)外研究學(xué)者們提出了多種不同的視覺顯著性計(jì)算方法，主要有基于中心-周圍對(duì)比度、頻域分析、有監(jiān)督學(xué)習(xí)和統(tǒng)計(jì)學(xué)等方法。如Hou (參考:X.Hou and L.Zhang.Saliency detection: A spectral residual approach, IEEE Conf.0n CVPRj2007.)提出一種容易實(shí)現(xiàn)的顯著性檢測(cè)方法，是采用單張圖像的對(duì)數(shù)譜(傅里葉變換的幅度譜取對(duì)數(shù))減去該圖像經(jīng)平均濾波后的對(duì)數(shù)譜得到的殘余譜來(lái)表示圖像的新信息。Hou等利用傅里葉逆變換，再經(jīng)過高斯平滑去噪得到最終的視覺顯著性圖。Hou等人提出的計(jì)算方法僅幾行程序就能實(shí)現(xiàn)，計(jì)算復(fù)雜度低，且不需要圖像的任何先驗(yàn)知識(shí)。但缺點(diǎn)在于，得到的視覺顯著性圖的分辨率低于原始圖像的分辨率，造成原始圖像信息的丟失。Goferman(參考:S Goferman, L Zelnik-Manor, A Tal.Context-aware saliency detection.1EEEConf.0n CVPR, 2010)提出的顯著性檢測(cè)方法解決了低分辨率的問題，同時(shí)考慮了圖像的局部差異和全局差異，并且有意地將顯著對(duì)象周圍的背景區(qū)域保留了下來(lái)，但是Goferman的方法通常在對(duì)象邊緣附近產(chǎn)生更高的顯著性值，而對(duì)象內(nèi)部的顯著性值有所下降，在均勻突出整個(gè)視覺顯著性對(duì)象方面尚存在不足。發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，由該方法得到的顯著性圖的分辨率與原始圖像相同，顯著性圖中的顯著對(duì)象被均勻突顯出來(lái)，并且能夠較好地抑制原始圖像中非視覺顯著區(qū)域。
為了達(dá)到上述目的，本發(fā)明的基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，其具體步驟如下:(1)、輸入原始圖像，運(yùn)用均值漂移算法把原始圖像預(yù)分割為N個(gè)區(qū)域，1< <3/,生成JV個(gè)預(yù)分割后的區(qū)域標(biāo)記圖； (2)、計(jì)算第 個(gè)區(qū)域的顏色顯著性值； (3)、計(jì)算像素s的顏色顯著性值； (4)、計(jì)算第ι個(gè)區(qū)域的位置顯著性值； (5)、計(jì)算像素s的位置顯著性值； (6)、計(jì)算像素s的顏色和位置的顯著性值，再對(duì)像素的顯著性值進(jìn)行歸一化，計(jì)算每個(gè)像素歸一化的顯著性值。
上述步驟(2)所述的計(jì)算第:個(gè)區(qū)域的顏色顯著性值，其具體步驟如下: (2-1)、將原始圖像中的i *0*5顏色空間的三個(gè)顏色分量分別量化成12等分，再將顏色空間的三個(gè)顏色分量組合，組合成123種顏色； (2-2)、統(tǒng)計(jì)原始圖像的123種顏色在原始圖像上出現(xiàn)的頻率，組成全局直方圖； (2-3)、將全局直方圖按照頻率的高低進(jìn)行降序排列，然后從前到后選擇原始圖像95%以上的顏色，沒有被選擇的顏色的頻率疊加到已選擇的最相近的顏色的頻率中，選擇后的顏色種數(shù)力； (2-4)、分別計(jì)算個(gè)區(qū)域的直方圖，計(jì)算出第_ = IAiV)個(gè)區(qū)域中種顏色出現(xiàn)的頻率，得到個(gè)F區(qū)域的直方圖； (2-5)、分別利用第痄= 12,.-個(gè)區(qū)域直方圖與全局直方圖比較得出頻率的差異，計(jì)算第蚱=IA…J/)個(gè)區(qū)域的顏色顯著性值，其計(jì)算式為:
權(quán)利要求
1.一種基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，其具體步驟如下: (1)、輸入原始圖像，運(yùn)用均值漂移算法把原始圖像預(yù)分割為i'T個(gè)區(qū)域，ISiV，生成個(gè)預(yù)分割后的區(qū)域標(biāo)記圖； (2)、計(jì)算第I個(gè)區(qū)域的顏色顯著性值； (3)、計(jì)算像素s的顏色顯著性值； (4)、計(jì)算第:個(gè)區(qū)域的位置顯著性值； (5)、計(jì)算像素s的位置顯著性值； (6)、計(jì)算像素s的顏色和位置的顯著性值，再對(duì)像素的顯著性值進(jìn)行歸一化，計(jì)算每個(gè)像素歸一化的顯著性值。
2.根據(jù)權(quán)利要求1所述的基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，其特征在于，上述步驟(2)所述的計(jì)算第〗個(gè)區(qū)域的顏色顯著性值，其具體步驟如下: (2-1)、將原始圖像中的顏色空間的三個(gè)顏色分量分別量化成12等分，再將顏色空間的三個(gè)顏色分量組合，組合成123種顏色； (2-2)、統(tǒng)計(jì)原始圖像的123種顏色在原始圖像上出現(xiàn)的頻率，組成全局直方圖； (2-3)、將全局直方圖按照頻率的高低進(jìn)行降序排列，然后從前到后選擇原始圖像95%以上的顏色，沒有被選擇的顏色的頻率疊加到已選擇的最相近的顏色的頻率中，選擇后的顏色種數(shù)力# (2-4)、分別計(jì)算個(gè)區(qū)域的直方圖，計(jì)算出第_ = U.…^At)個(gè)區(qū)域中；*種顏色出現(xiàn)的頻率，得到個(gè)區(qū)域的直方圖； (2-5)、分別利用第痄=1二一;的個(gè)區(qū)域直方圖與全局直方圖比較得出頻率的差異，計(jì)算第坤=I么…，AO個(gè)區(qū)域的顏色顯著性值，其計(jì)算式為:
3.根據(jù)權(quán)利要求2所述的基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，其特征在于，上述步驟(3)所述的計(jì)算像素s的顏色顯著性值，其具體步驟如下: (3-1)、計(jì)算第邶=I二…個(gè)區(qū)域的直方圖進(jìn)行均值移位后的值，其計(jì)算式為:
4.根據(jù)權(quán)利要求3所述的基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，其特征在于，上述步驟(4)所述的計(jì)算第痄=12,…卜V)個(gè)區(qū)域的位置顯著性值，其具體步驟為: (4-1)、計(jì)算第噸=12個(gè)區(qū)域的平均散布值，其計(jì)算式為:
5.根據(jù)權(quán)利要求4所述的基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，其特征在于，上述步驟(5)所述的計(jì)算像素s的位置顯著性值，將步驟(3-2)所述的像素s屬于第坤= 12...、AT)個(gè)區(qū)域的概率與步驟(4-2)所述的區(qū)域的位置顯著性值相乘，其相乘的乘積為像素s的位置顯著性值，其計(jì)算式為:
6.根據(jù)權(quán)利要求5所述的基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，其特征在于，上述步驟(6)所述的計(jì)算像素s的顏色和位置的顯著性值，再對(duì)像素的顯著性值進(jìn)行歸一化，計(jì)算每個(gè)像素歸一化的顯著性值，其具體步驟如下: (6-1)、將步驟(3-3)得到的像素s的顏色顯著性與步驟(5-1)得到的像素點(diǎn)位置顯著性相乘，其相乘的乘積為每個(gè)像素未歸一化的顯著性值，其計(jì)算式為:
全文摘要
本發(fā)明公開了一種基于圖像中顏色全局對(duì)比度和空域分布的視覺顯著性算法，其具體步驟如下(1)、輸入原始圖像，運(yùn)用均值漂移算法把原始圖像預(yù)分割為個(gè)區(qū)域，，生成個(gè)預(yù)分割后的區(qū)域標(biāo)記圖；(2)、計(jì)算第個(gè)區(qū)域的顏色顯著性值；(3)、計(jì)算像素的顏色顯著性值；(4)、計(jì)算第個(gè)區(qū)域的位置顯著性值；(5)、計(jì)算像素的位置顯著性值；(6)、計(jì)算像素的顏色和位置的顯著性值，再對(duì)像素的顯著性值進(jìn)行歸一化，計(jì)算每個(gè)像素歸一化的顯著性值。本發(fā)明結(jié)合顏色全局對(duì)比度和空域分布兩個(gè)方面，不僅能計(jì)算出與原始圖像分辨率相同的顯著性圖，而且計(jì)算出的顯著性圖中的顯著對(duì)象被均勻突顯出來(lái)，同時(shí)背景很好地被抑制，更適合于圖像分割這樣的基于內(nèi)容的應(yīng)用場(chǎng)合。
文檔編號(hào)G06T7/00GK103218832SQ201310092370
公開日2013年7月24日 申請(qǐng)日期2013年3月21日 優(yōu)先權(quán)日2012年10月15日
發(fā)明者劉志, 羅書花, 查林, 沈明華, 范星星, 鄒雪妹 申請(qǐng)人:上海大學(xué)