一種圖像顯著性區(qū)域的檢測(cè)方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明實(shí)施例涉及圖像處理技術(shù)，尤其涉及一種圖像顯著性區(qū)域的檢測(cè)方法和裝 置。
【背景技術(shù)】
[0002] 圖像的顯著性是圖像的重要視覺特征，體現(xiàn)了人眼對(duì)圖像某些區(qū)域的重視程度。 在圖像處理過(guò)程中，常需要利用顯著性檢測(cè)算法對(duì)圖像進(jìn)行檢測(cè)，以獲得該圖像的顯著性 區(qū)域，其主要應(yīng)用于手機(jī)拍照軟件、目標(biāo)檢測(cè)軟件和圖像壓縮軟件中。
[0003] 現(xiàn)有技術(shù)中存在基于低層視覺特征的顯著性檢測(cè)算法，對(duì)圖像進(jìn)行顯著性區(qū)域檢 測(cè)，從而獲得該圖像的顯著性區(qū)域的方式，該算法是一種模擬生物體視覺注意機(jī)制的選擇 性注意算法；同時(shí)，現(xiàn)有技術(shù)中還存在不基于任何生物視覺原理的純數(shù)學(xué)計(jì)算方法，對(duì)圖像 進(jìn)行顯著性區(qū)域檢測(cè)，從而獲得該圖像的顯著性區(qū)域的方式。但上述兩種方式均存在顯著 性區(qū)域檢測(cè)的準(zhǔn)確度不高情況，因此，如何提高圖像顯著性區(qū)域檢測(cè)的準(zhǔn)確度是目前亟待 解決的技術(shù)問(wèn)題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明實(shí)施例提供一種圖像顯著性區(qū)域的檢測(cè)方法和裝置，用于提高顯著性區(qū)域 檢測(cè)的準(zhǔn)確度。
[0005] 第一方面是提供一種圖像顯著性區(qū)域的檢測(cè)方法，包括：
[0006] 利用預(yù)先訓(xùn)練獲得的分類器，根據(jù)測(cè)試圖像的圖像特征向量，對(duì)所述測(cè)試圖像進(jìn) 行分類處理，獲得分類標(biāo)簽，所述分類標(biāo)簽用于指示對(duì)所述測(cè)試圖像進(jìn)行顯著性區(qū)域檢測(cè) 的顯著性檢測(cè)算法；
[0007] 利用所述分類標(biāo)簽指示的顯著性檢測(cè)算法，對(duì)所述測(cè)試圖像進(jìn)行顯著性區(qū)域檢 測(cè)，獲得所述測(cè)試圖像的顯著性區(qū)域。
[0008] 在第一方面的第一種可能的實(shí)現(xiàn)方式中，所述利用預(yù)先訓(xùn)練獲得的分類器，根據(jù) 測(cè)試圖像的圖像特征向量，對(duì)所述測(cè)試圖像進(jìn)行分類處理，獲得分類標(biāo)簽之前，還包括：采 用至少兩種特征提取算法，提取所述測(cè)試圖像的至少兩個(gè)圖像特征向量。
[0009] 結(jié)合第一方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述至少 兩個(gè)圖像特征向量是如下圖像特征向量中的至少兩個(gè)：稀疏加權(quán)熵、導(dǎo)數(shù)圖像顏色數(shù)、所 述測(cè)試圖像的一維頻譜圖相對(duì)于訓(xùn)練集圖像的一維頻譜圖偏移的均值和方差、中頻比以及 HSV空間的色度H分量、飽和度S分量、亮度V分量的一階矩和所述H分量、S分量、V分量 的二階矩。
[0010] 結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，所述測(cè)試 圖像的圖像特征向量包括所述稀疏加權(quán)熵；所述采用特征提取算法，提取所述測(cè)試圖像的 至少兩個(gè)圖像特征向量，包括：在RGB顏色空間內(nèi)，對(duì)所述測(cè)試圖像進(jìn)行下采樣濾波；對(duì)下 采樣濾波后測(cè)試圖像進(jìn)行計(jì)算，獲得下采樣濾波后測(cè)試圖像的顏色直方圖向量，所述顏色 直方圖向量包括η個(gè)元素，η為下采樣濾波后測(cè)試圖像的RGB顏色空間所包含的第一顏色 數(shù)，η為自然數(shù)；計(jì)算稀疏加權(quán)系數(shù)
【主權(quán)項(xiàng)】
1. 一種圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，包括： 利用預(yù)先訓(xùn)練獲得的分類器，根據(jù)測(cè)試圖像的圖像特征向量，對(duì)所述測(cè)試圖像進(jìn)行分 類處理，獲得分類標(biāo)簽，所述分類標(biāo)簽用于指示對(duì)所述測(cè)試圖像進(jìn)行顯著性區(qū)域檢測(cè)的顯 著性檢測(cè)算法； 利用所述分類標(biāo)簽指示的顯著性檢測(cè)算法，對(duì)所述測(cè)試圖像進(jìn)行顯著性區(qū)域檢測(cè)，獲 得所述測(cè)試圖像的顯著性區(qū)域。
2. 根據(jù)權(quán)利要求1所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，所述利用預(yù)先訓(xùn) 練獲得的分類器，根據(jù)測(cè)試圖像的圖像特征向量，對(duì)所述測(cè)試圖像進(jìn)行分類處理，獲得分類 標(biāo)簽之前，還包括： 采用至少兩種特征提取算法，提取所述測(cè)試圖像的至少兩個(gè)圖像特征向量。
3. 根據(jù)權(quán)利要求2所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于， 所述至少兩個(gè)圖像特征向量是如下圖像特征向量中的至少兩個(gè)：稀疏加權(quán)熵、導(dǎo)數(shù)圖 像顏色數(shù)、所述測(cè)試圖像的一維頻譜圖相對(duì)于訓(xùn)練集圖像的一維頻譜圖偏移的均值和方 差、中頻比以及HSV空間的色度H分量、飽和度S分量、亮度V分量的一階矩和所述H分量、 S分量、V分量的二階矩。
4. 根據(jù)權(quán)利要求3所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，所述測(cè)試圖像的 圖像特征向量包括所述稀疏加權(quán)熵； 所述采用特征提取算法，提取所述測(cè)試圖像的至少兩個(gè)圖像特征向量，包括： 在RGB顏色空間內(nèi)，對(duì)所述測(cè)試圖像進(jìn)行下采樣濾波； 對(duì)下采樣濾波后測(cè)試圖像進(jìn)行計(jì)算，獲得下采樣濾波后測(cè)試圖像的顏色直方圖向量， 所述顏色直方圖向量包括η個(gè)元素，η為下采樣濾波后測(cè)試圖像的RGB顏色空間所包含的 第一顏色數(shù)，η為自然數(shù)； 計(jì)算稀疏加權(quán)系數(shù)，其中，Xi為所述顏色直方圖向量中的第i個(gè)元 Λ(λ) = J= ~~； ， V" _ 1 素，q為預(yù)設(shè)值，取q彡2 ; 計(jì)算所述稀疏加權(quán)熵= ^，其中，eH(x)用于指示所述顏色直方圖向量的熵， H(X) = -i>(^)lo&^)，P(Xi)為歸一化后的所述測(cè)試圖像的顏色直方圖向量中的第i個(gè)元 1=1 素，b取值為2、10或e。
5. 根據(jù)權(quán)利要求3所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，所述測(cè)試圖像的 圖像特征向量包括所述導(dǎo)數(shù)圖像顏色數(shù)； 所述采用特征提取算法，提取所述測(cè)試圖像的至少兩個(gè)圖像特征向量，包括： 確定所述測(cè)試圖像的導(dǎo)數(shù)圖像； 在RGB顏色空間內(nèi)，對(duì)所述導(dǎo)數(shù)圖像進(jìn)行下采樣濾波； 統(tǒng)計(jì)下采樣濾波后導(dǎo)數(shù)圖像的RGB顏色空間所包含的第二顏色數(shù)； 將所述第二顏色數(shù)作為所述導(dǎo)數(shù)圖像顏色數(shù)。
6. 根據(jù)權(quán)利要求3所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，所述測(cè)試圖像的 圖像特征向量包括所述測(cè)試圖像的一維頻譜圖相對(duì)于訓(xùn)練集圖像的一維頻譜圖偏移的均 值和方差； 所述采用特征提取算法，提取所述測(cè)試圖像的至少兩個(gè)圖像特征向量，包括： 確定所述測(cè)試圖像的一維頻譜圖； 將所述測(cè)試圖像的一維頻譜圖與所述訓(xùn)練集圖像的一維頻譜圖進(jìn)行比較，獲得所述測(cè) 試圖像的一維頻譜圖相對(duì)于所述訓(xùn)練集圖像的一維頻譜圖偏移的均值和方差；所述訓(xùn)練集 圖像的一維頻譜圖中各頻率點(diǎn)上的頻率值是對(duì)各訓(xùn)練圖像的一維頻譜圖中所述頻率點(diǎn)上 的頻率值進(jìn)行平均獲得的；所述訓(xùn)練圖像用于對(duì)所述分類器進(jìn)行訓(xùn)練。
7. 根據(jù)權(quán)利要求3所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，所述測(cè)試圖像的 圖像特征向量包括所述中頻比； 所述采用特征提取算法，提取所述測(cè)試圖像的至少兩個(gè)圖像特征向量，包括： 確定所述測(cè)試圖像的二維頻譜圖，所述二維頻譜圖包括橫向頻率坐標(biāo)軸和縱向頻率坐 標(biāo)軸，所述橫向頻率坐標(biāo)軸包括m個(gè)橫向頻率段，所述縱向頻率坐標(biāo)軸包括m個(gè)縱向頻率 段；所述頻率段按照頻率大小排序； 將所述二維頻譜圖中的第r個(gè)到第s個(gè)橫向頻率段，以及第r個(gè)到第s個(gè)縱向頻率段 內(nèi)的頻率點(diǎn)作為中頻頻率點(diǎn)；其中，I < r < s < m ; 將所述中頻頻率點(diǎn)的頻率值之和，與所述二維頻譜圖中m個(gè)橫向頻率段和m個(gè)縱向頻 率段內(nèi)的各頻率點(diǎn)的頻率值之和相除，獲得所述中頻比。
8. 根據(jù)權(quán)利要求3所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，所述測(cè)試圖像的 圖像特征向量包括HSV空間的所述H分量、S分量、V分量的一階矩和所述H分量、S分量、 V分量的二階矩； 所述采用特征提取算法，提取所述測(cè)試圖像的至少兩個(gè)圖像特征向量，包括： 在HSV空間內(nèi)，對(duì)所述測(cè)試圖像進(jìn)行計(jì)算，獲得所述測(cè)試圖像在HSV空間的所述H分 量、S分量和V分量的一階矩，以及所述測(cè)試圖像在HSV空間的所述H分量、S分量和V分量 的二階矩。
9. 根據(jù)權(quán)利要求1-8任一項(xiàng)所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，所述分 類器為反向傳播BP神經(jīng)網(wǎng)絡(luò)。
10. 根據(jù)權(quán)利要求9所述的圖像顯著性區(qū)域的檢測(cè)方法，其特征在于，所述BP神經(jīng)網(wǎng) 絡(luò)，包括輸入層、中間層和輸出層；所述輸入層與所述中間層之間的傳遞函數(shù)為雙正切S型 函數(shù)；所述中間層與所述輸出層之間的傳遞函數(shù)為對(duì)數(shù)S型函數(shù)； 所述利用預(yù)先訓(xùn)練獲得的分類器，根據(jù)測(cè)試圖像的圖像特征向量，對(duì)所述測(cè)試圖像進(jìn) 行分類處理，獲得分類標(biāo)簽，包括： 利用預(yù)先訓(xùn)練獲得的所述BP神經(jīng)網(wǎng)絡(luò)，根據(jù)通過(guò)所述BP神經(jīng)網(wǎng)絡(luò)的輸入層輸入的所 述測(cè)試圖像的圖像特征向量，通過(guò)所述BP神經(jīng)網(wǎng)絡(luò)的輸入層與所述BP神經(jīng)網(wǎng)絡(luò)的中間層 之間的雙正切S型