一種針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法
【專利摘要】本發(fā)明公開了一種針對(duì)復(fù)雜紋理圖像的顯著性分析方法。首先，我們的方法結(jié)合超像素技術(shù)和meanshift算法去分割圖像。然后，通過(guò)gabor濾波器去提取紋理特征，對(duì)每塊區(qū)域的gabor平均值變化做全局對(duì)比計(jì)算去獲得紋理子顯著圖。接著，我們結(jié)合空間信息，利用區(qū)域?qū)Ρ热ビ?jì)算得到顏色子顯著圖。最后，我們利用非線性融合技術(shù)去將上述兩幅圖結(jié)合得到最終的顯著圖。我們針對(duì)ACHANTA的測(cè)試集中的96幅復(fù)雜紋理圖像進(jìn)行實(shí)驗(yàn)，并且和現(xiàn)有的10種顯著性分析方法做了性能對(duì)比。實(shí)驗(yàn)表明，本方法對(duì)于復(fù)雜性紋理圖像，在準(zhǔn)確率和召回率等指標(biāo)總體上優(yōu)于其他方法。
【專利說(shuō)明】一種針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)視覺(jué)及圖像處理領(lǐng)域，具體涉及一種針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法。
【背景技術(shù)】
[0002]圖像視覺(jué)顯著性檢測(cè)旨在檢測(cè)圖像的顯著區(qū)域，便于圖像的后期處理，是目前重要的研究領(lǐng)域之一。顯著性檢測(cè)過(guò)程通過(guò)計(jì)算機(jī)去模擬人類觀察圖像的過(guò)程，去計(jì)算獲取符合人體視覺(jué)焦點(diǎn)的圖像顯著性區(qū)域，從而完成計(jì)算機(jī)的自適應(yīng)處理。
[0003]圖像視覺(jué)顯著性檢測(cè)旨在檢測(cè)圖像的顯著區(qū)域，便于圖像的后期處理，也是目前重要的研究領(lǐng)域之一。在漫長(zhǎng)的人類進(jìn)化過(guò)程中，人們已經(jīng)具備了快速獲取視覺(jué)信息并對(duì)這些信息進(jìn)行快速準(zhǔn)確抉擇的能力。對(duì)于圖像視覺(jué)顯著性檢測(cè)方法，有一種基于自底向上視覺(jué)注意機(jī)制，分析人眼對(duì)圖像內(nèi)容的理解，利用圖像的底層特征、視覺(jué)特性并引入引力模型區(qū)檢測(cè)出更加準(zhǔn)確的圖像顯著性區(qū)域。圖像視覺(jué)顯著性檢測(cè)方法主要是基于人類視覺(jué)系統(tǒng)的特性去檢測(cè)圖像中的顯著性區(qū)域。圖像視覺(jué)顯著性檢測(cè)方法在分析圖像內(nèi)容的過(guò)程中，引入了視覺(jué)特性，大大提高了計(jì)算機(jī)對(duì)圖像內(nèi)容的理解程度，推進(jìn)了圖像處理技術(shù)的發(fā)展。在各種圖像處理技術(shù)中，計(jì)算機(jī)所關(guān)注的并不是圖像的全部?jī)?nèi)容，而是一部分感興趣區(qū)域或者非感興趣區(qū)域。通過(guò)視覺(jué)顯著性方法去檢測(cè)圖像的顯著區(qū)域，并給予不同區(qū)域的處理優(yōu)先級(jí)，從而更好的利用計(jì)算資源，提高計(jì)算效率?，F(xiàn)今，視覺(jué)顯著性檢查技術(shù)已經(jīng)被廣泛運(yùn)用到圖像檢索、圖像和視頻壓縮、目標(biāo)檢測(cè)、圖像及視頻分割等許多圖像處理領(lǐng)域，并很好的促進(jìn)了這些領(lǐng)域的發(fā)展。
[0004]由于純計(jì)算的顯著性計(jì)算方法速度快，符合人類視覺(jué)系統(tǒng)快速獲取顯著物體的視覺(jué)原理，所以這類方法是目前研究的比較多的方法。Ma等人于2003年提出一種基于局部對(duì)比分析的方法去獲得圖像顯著圖。Achanta等人于2008年對(duì)Ma等人的方法提出改進(jìn)，提出了一種多尺度對(duì)比分析的顯著性區(qū)域提取方法。其實(shí)在純計(jì)算方法中，基于局部對(duì)比的方法生成的顯著圖，在圖像的邊緣具有較高的顯著性而不是均勻的突出整個(gè)物體。此后，Achanta等人于2009年提出了一種頻率調(diào)諧的顯著性方法。但是這種方法不適用于那些顯著物體占據(jù)太多像素的圖像。Achanta等人于2010年，對(duì)09年提出的方法進(jìn)行改進(jìn)，提出了最大對(duì)稱周邊的顯著性檢測(cè)方法。作為09年的改進(jìn)方法，盡管解決了此前的方法問(wèn)題，但是他并沒(méi)有考慮空間信息對(duì)顯著性的影響。Cheng等人于2011年提出了基于全局對(duì)比度的顯著性檢測(cè)方法。Li等人于2011年通過(guò)具有相同顯著物體的圖去檢測(cè)它們共有的顯著性物體。Li等人和Cheng等人提出的兩種方法是非常新穎的。他們李穎分割區(qū)域以及空間信息區(qū)生成顯著圖。但是對(duì)于前者，如果只提供一幅圖像，或者提供兩幅背景非常相似的圖相對(duì)，生成的顯著圖并不是非常的好。而對(duì)于后者和上面提到的所有方法存在一個(gè)共同的問(wèn)題，就是他們都沒(méi)有考慮圖像的紋理信息。
[0005]本發(fā)明公開的方法不同于上述所有方法，上述方法較少用到圖像的紋理信息，本發(fā)明針對(duì)高復(fù)雜紋理圖像提出一種結(jié)合紋理特征以及采用超像素和MeanShift方法改進(jìn)GB分割方法，并通過(guò)非線性融合顏色和紋理分顯著性圖的顯著性分析方法。

【發(fā)明內(nèi)容】

[0006]針對(duì)現(xiàn)有技術(shù)的缺陷及不合理性，本發(fā)明的目的在于提出一種針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法，該方法在計(jì)算顯著圖的過(guò)程中融合了紋理信息，能夠更加準(zhǔn)確的得到與原始圖像分辨率相同的顯著圖，并且很好地抑制了原始圖像中的非顯著區(qū)域，從而有利于后期目標(biāo)物體分割等應(yīng)用。
[0007]為了達(dá)到上述目的，本文提出一種針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法，其具體步驟如下其具體步驟如下:
[0008](I)運(yùn)用基于超像素分割方法將原始圖像分割成K個(gè)超像素，
[0009](2)在超像素分割的基礎(chǔ)上進(jìn)一步使用MEANSHIFT方法進(jìn)行聚類；
[0010](3)得到最終的分割結(jié)果進(jìn)行全局區(qū)域?qū)Ρ鹊玫筋伾诛@著性圖；
[0011 ] (4)對(duì)每個(gè)區(qū)域提取GABOR紋理特征；
[0012](5)對(duì)紋理特征也采用全局對(duì)比得到紋理分顯著性圖；
[0013](6)將兩個(gè)分顯著性圖融合為總顯著性圖；
[0014]上述步驟(3)所述的對(duì)原始圖像進(jìn)行量化及高頻顏色篩選，其具體步驟如下:
[0015](2-1)將原始圖像RGB通道的顏色值量化為12個(gè)不同的值，其計(jì)算式為:
[0016]
【權(quán)利要求】
1.針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法，其具體步驟如下: (1)運(yùn)用基于超像素分割方法將原始圖像分割成K個(gè)超像素，I^ i ^K; (2)在超像素分割的基礎(chǔ)上進(jìn)一步使用MEANSHIFT方法進(jìn)行聚類； (3)得到最終的分割結(jié)果進(jìn)行全局區(qū)域?qū)Ρ鹊玫筋伾诛@著性圖； (4)對(duì)每個(gè)區(qū)域提取GABOR紋理特征； (5)對(duì)紋理特征也采用全局對(duì)比得到紋理分顯著性圖； (6)將兩個(gè)分顯著性圖融合為總顯著性圖。
2.如權(quán)利要求1所述的針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法，其特征在于，上述步驟(3)所述的對(duì)原始圖像進(jìn)行量化及高頻顏色篩選，其具體步驟如下: (2-1)將原始圖像RGB通道的顏色值量化為12個(gè)不同的值，其計(jì)算式為:

3.如權(quán)利要求1所述的一種針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法，其特征在于，本發(fā)明先使用超像素將圖片分割為小區(qū)域，超像素的優(yōu)點(diǎn)在于可以更好的保存圖片的邊緣，然后以小區(qū)域?yàn)楣?jié)點(diǎn)像素重新合成一幅圖像，選取小區(qū)域中每個(gè)通道顏色的平均值作為新圖像的對(duì)應(yīng)像素的顏色值，新圖像的通道數(shù)和原圖像相同，最后使用MeanShift方法分割新的圖像圖，再根據(jù)原來(lái)圖的標(biāo)號(hào)圖像將降采樣后的圖像還原到原來(lái)的圖像。 上述步驟(3)所述的利用分割圖像得到量化圖像對(duì)應(yīng)的分割區(qū)域并進(jìn)行區(qū)域?qū)Ρ扔?jì)算獲取第i個(gè)區(qū)域的顯著值從而獲得顏色分顯著性圖，將權(quán)利要求1的分割圖像與步驟(2-4)的量化圖像結(jié)合計(jì)算初始顯著圖，其計(jì)算式為:
4.如權(quán)利要求1所述的一種針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法，其特征在于，上述步驟(4)所述的提取每個(gè)區(qū)域的GABOR，其計(jì)算式如下:
5.如權(quán)利要求1所述的一種針對(duì)復(fù)雜紋理圖像的圖像顯著性分析方法，其特征在于，上述步驟(6)所述的將顏色和紋理兩個(gè)分顯著性圖融合為總顯著性圖，其具體步驟如下:(5-1)定義融合比例為Y，Y由公式24確定
【文檔編號(hào)】G06T7/00GK103985130SQ201410229154
【公開日】2014年8月13日 申請(qǐng)日期:2014年5月27日 優(yōu)先權(quán)日:2014年5月27日
【發(fā)明者】陳志華, 劉怡, 袁玉波, 張靜 申請(qǐng)人:華東理工大學(xué)