基于l1正則化的圖像顯著性檢測方法
【專利摘要】本發(fā)明公開了一種基于L1正則化的圖像顯著性檢測方法，該方法包括以下步驟：對待檢測圖像進(jìn)行傅立葉變換，對其頻域幅度譜進(jìn)行不同尺度的高斯濾波，構(gòu)建頻域的尺度空間；設(shè)計基于全變分的稀疏優(yōu)化問題，利用SplitBregman方法求解該問題，得到一組候選顯著性圖像；使用圖像二維熵作為選取標(biāo)準(zhǔn)，從候選顯著性圖像中選取二維熵最小的圖像并進(jìn)行空域的高斯濾波，得到最終的顯著性圖像；本發(fā)明結(jié)合了顯著性圖像的空域和頻域的特性，有效地消除了復(fù)雜背景的影響，并且可以高效的求解，與以往頻域分析的顯著性檢測方法相比，在人眼注視點檢測和物體分割檢測方面取得了更好的效果。
【專利說明】基于L1正則化的圖像顯著性檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于L1正則化的圖像顯著性檢測 方法。

【背景技術(shù)】
[0002] 基于圖像的目標(biāo)檢測是計算機(jī)視覺和模式識別領(lǐng)域的重要課題，在圖像分割，圖 像檢索和機(jī)器人自主感知等領(lǐng)域中有著廣泛的應(yīng)用。在各類目標(biāo)檢測方法中，顯著性方法 以其對人類視覺注意機(jī)制的探索和模擬吸引了大量研究者的關(guān)注。人類視覺機(jī)制能夠從觀 察到的大量場景信息中快速地檢索出感興趣物體，從而極大地提升了人類對場景的理解效 率和反應(yīng)速度。顯著性檢測方法基于這個原理，通過分析圖像內(nèi)容，將圖像中與周圍區(qū)域差 異明顯的部分標(biāo)示出來，即"顯著性區(qū)域"，以便后續(xù)進(jìn)行高效的圖像處理。
[0003] 顯著性檢測方法計算模型分為自上而下和自下而上兩類，自上而下的方法依賴于 特定的檢測任務(wù)和內(nèi)容，而自下而上的方法則完全通過對輸入圖像的分析進(jìn)行檢測。在自 下而上的方法中，空域檢測通過對圖像局部顏色，方向，紋理等特征或者全局對比度的統(tǒng) 計，尋找與周邊特征差異明顯的區(qū)域作為顯著性區(qū)域，頻域分析則根據(jù)變換域理論，對圖像 頻譜進(jìn)行處理，突出顯著區(qū)域?qū)?yīng)分量，抑制非顯著區(qū)域?qū)?yīng)分量。頻域分析方法無需對目 標(biāo)的特征進(jìn)行設(shè)計和統(tǒng)計，具有實現(xiàn)方便高效的優(yōu)點。幾種典型的頻域處理方法，如頻譜殘 差法（SR)，相位譜傅立葉變換法（PFT)和四元數(shù)傅立葉變換（HFT)對大多數(shù)簡單自然場景 目標(biāo)具有良好的檢測效果。然而，由于沒有考慮空域的信息，當(dāng)圖像場景結(jié)構(gòu)復(fù)雜，存在較 多高頻細(xì)節(jié)成分時，傳統(tǒng)的頻域分析方法會受到復(fù)雜背景的極大千擾，產(chǎn)生許多雜亂的噪 聲點，這樣一方面會造成顯著區(qū)域的誤檢，另一方面也會影響基于二維熵的尺度選擇的準(zhǔn) 確性。因此，如何實現(xiàn)復(fù)雜場景中的目標(biāo)檢測，是頻域顯著性檢測面臨的難題。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對頻域顯著性檢測方法的不足，提供一種基于L1正則化的 圖像顯著性檢測方法，該方法同時考慮空域和頻域的稀疏性，有效地消除了復(fù)雜及高頻細(xì) 節(jié)背景的影響，在人眼注視點檢測和物體分割檢測方面取得了更好的效果。
[0005] 本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：
[0006] ⑴輸入待檢測圖像；待檢測圖像為彩色圖像，由紅、藍(lán)、綠三個顏色通道組成；
[0007] (2)將步驟1輸入的圖像分解為三個顏色特征圖（RG，BY，I)，對每個顏色特征圖進(jìn) 行傅里葉變換，并且計算傅里葉變換的對數(shù)幅度譜L(u，v)和相位譜P(u，v)，其中u，v為頻 譜的坐標(biāo)值；
[0008] (3)在每一個顏色特征圖上，使用8個不同方差大小的高斯濾波器hk(u，v)，k = 1?8,對對數(shù)幅度譜L (u，v)進(jìn)行卷積濾波，得到濾波后的8個不同尺度的傅里葉對數(shù)幅度 譜，結(jié)合相位譜P (u，v)，得到一組不同尺度的傅里葉變換Fk，其描述如下：
[0009] Fk = exp(L(u，v)*hk(u，v)+i · P(u，V))，k = 1 ?8 (1)
[0010] 其中L(u，v)表示顏色特征圖對數(shù)幅度譜，hk(u，v)表示不同方差大小的高斯濾波 器，i表示虛數(shù)單位，P(u，v)表示顏色特征圖相位譜，*表示卷積運算符，下標(biāo)k表示尺度序 號；
[0011] (4)在每一個顏色特征圖上，構(gòu)建基于TV norm正則化的L1優(yōu)化問題并采用Split Bregman方法求解，得到該顏色特征圖上的8張不同尺度的顯著性圖像§_，在3個顏色特 征圖上共得到24個顯著性圖像其描述如下： 「001?!

【權(quán)利要求】
1. 一種基于L1正則化的圖像顯著性檢測方法，其特征在于，包括如下步驟： (1) 輸入待檢測圖像；待檢測圖像為彩色圖像，由紅、藍(lán)、綠三個顏色通道組成； (2) 將步驟1輸入的圖像分解為三個顏色特征圖（RG，BY，I)，對每個顏色特征圖進(jìn)行傅 里葉變換，并且計算傅里葉變換的對數(shù)幅度譜L (u，v)和相位譜P (u，v)，其中u，v為頻譜的 坐標(biāo)值； (3) 在每一個顏色特征圖上，使用8個不同方差大小的高斯濾波器hk(u，v)，k = 1? 8,對對數(shù)幅度譜L(u，v)進(jìn)行卷積濾波，得到濾波后的8個不同尺度的傅里葉對數(shù)幅度譜， 結(jié)合相位譜P (u，v)，得到一組不同尺度的傅里葉變換Fk，其描述如下： Fk = exp(L(u，v)*hk(u, v)+i · P(u，V))，k = 1 ?8 (1) 其中L(u，v)表示顏色特征圖對數(shù)幅度譜，hk(u，v)表示不同方差大小的高斯濾波器，i 表示虛數(shù)單位，P(U, V)表示顏色特征圖相位譜，*表示卷積運算符，下標(biāo)k表示尺度序號； (4) 在每一個顏色特征圖上，構(gòu)建基于TV norm正則化的L1優(yōu)化問題并采用Split Bregman方法求解，得到該顏色特征圖上的8張不同尺度的顯著性圖像§^，在3個顏色特 征圖上共得到24個顯著性圖像^ ;其描述如下：
其中1111 i表示L1范數(shù)，| | | 12表示L2范數(shù)，W表示二維梯度算子，S表示顯著性圖像， F( ·)表示傅里葉變換，C為顏色特征圖的序號，μ為保真項權(quán)重； (5) 在同一尺度上，根據(jù)步驟4得到的顯著性圖像的二維熵計算權(quán)重，加權(quán)求和得到一 張顯著性圖像，在8個尺度上共得到8張顯著性圖像氣，其描述如下：
(!): 其中H2D( ·)表示計算圖像二維熵的函數(shù);Κ為使得權(quán)重之和為1的常數(shù)； (6) 計算步驟5得到的8張不同尺度顯著性圖像i的二維熵，選取二維熵最小的顯著 性圖像，平方后進(jìn)行高斯濾波得到最終的顯著性圖像S，其描述如下： = argmin(//2β (Si)) (4) k
(5) 其中g(shù)表示高斯濾波器。
2. 根據(jù)權(quán)利要求1所述的一種基于L1正則化的圖像顯著性檢測方法，其特征在于，所 述對數(shù)幅度譜L(u，v)的求解方法具體為：對待檢測圖像的三個顏色特征圖的傅里葉變換 采用快速傅里葉變換，并將其零頻成分移動到頻譜圖像中心位置得到傅里葉幅度譜A (u，v) 相位譜P (u, v)，求取對數(shù)得到對數(shù)幅度譜L (u，v)，其描述如下： L(u，v) = log(A(u, v)+l) (6)
3. 根據(jù)權(quán)利要求1所述的一種基于L1正則化的圖像顯著性檢測方法，其特征在于，所 述8個不同方差大小的高斯濾波器hk(u，v)具體如下：
:(7) 式中hk (II，v)為頻域二維高斯低通濾波器，D表示距離傅里葉變換原點的歐式距離，0k =2k^2, k = 1?8為高斯濾波器的方差。
4.根據(jù)權(quán)利要求1所述的一種基于L1正則化的圖像顯著性檢測方法，其特征在于，對 于（2)式的L1正則化優(yōu)化問題，米用Split Bregman方法求解，具體為：
設(shè)4 =:?具 fk，。= exp (Lc*hk+i ·Ρ。)，使用 Split Bregman 方法，則⑵式 可轉(zhuǎn)化為：
其中，λ為懲罰項權(quán)重，1^和\為求解過程中的變量。
【文檔編號】G06T7/00GK104217430SQ201410425506
【公開日】2014年12月17日 申請日期:2014年8月26日 優(yōu)先權(quán)日:2014年8月26日
【發(fā)明者】任健強(qiáng), 龔小謹(jǐn) 申請人:浙江大學(xué)