專利名稱：一種圖像顯著區(qū)域檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，特別涉及圖像中的區(qū)域分析。
背景技術(shù)：
在人類所有的感覺中，至少有70%的外界信息是通過視覺系統(tǒng)獲取的。生物視覺 系統(tǒng)，包括人類視覺系統(tǒng)，能自動選擇并注意場景中少數(shù)“相關(guān)”的位置。圖1示出了用視 點跟蹤儀記錄的人眼觀察所示圖像的視點軌跡。從圖1中可以看出，人眼對長頸鹿的頭部 區(qū)域給予了較多關(guān)注，而對天空和草地等背景區(qū)域一掃而過。生物視覺系統(tǒng)這種在面對復 雜場景時，能夠迅速將注意力集中在少數(shù)幾個顯著的視覺對象上的過程被稱為視覺注意選 擇。這種能力使得生物組織將其有限的感知認知資源集中于最相關(guān)的部分數(shù)據(jù)，使得他們 能快速有效地處理大量的信號，在復雜變化的環(huán)境中生存。如果能夠?qū)⑦@種機制引入圖像分析領(lǐng)域，將計算資源優(yōu)先分配給那些容易引起觀 察者注意的顯著區(qū)域，必將極大地提高現(xiàn)有圖像分析方法的工作效率。顯著區(qū)域檢測正是 在這種思想的基礎(chǔ)上提出并發(fā)展起來的。圖像中的顯著區(qū)域通常被定義成與鄰域?qū)Ρ榷卟町愶@著的區(qū)域。這種定義最常 見的一種實現(xiàn)是中央一周邊機制，即中央和周邊差異大的區(qū)域是顯著區(qū)域。這種差異可以 是顏色差異、朝向差異和紋理差異等。最著名的Itti和Koch等提出的顯著區(qū)域檢測模型 就是先對圖像進行多尺度、多方向的Gabor卷積，提取圖像的顏色、亮度和朝向等特征，然 后用差分高斯近似中央一周邊差。另外，Gao和Vasconcelos的工作也是對圖像進行Gabor 卷積提取相應特征，然后假設圖像區(qū)域的Gabor特征幅值滿足廣義高斯分布，分別估計中 央和周邊的特征分布，用兩個分布的相對熵表示中央和周邊的差異，差異較大的區(qū)域為顯 著區(qū)域。圖2是采用經(jīng)典的Itti顯著區(qū)域檢測模型進行圖像中顯著區(qū)域檢測的流程圖。上 述方法在大多數(shù)自然圖像上都取得了較好的結(jié)果，因為Gabor小波被認為是能較好地模擬 生物視覺系統(tǒng)的Vl細胞的反映，而中央一周邊機制也能解釋大多數(shù)的顯著性。但上述方法 中所采用的多尺度、多方向的Gabor卷積計算復雜高，對大多數(shù)工程應用來說不夠?qū)嵱谩?br>
發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有方法采用Gabor卷積提取特征計算復雜度高的缺陷，提 供一種高效實用的圖像顯著區(qū)域檢測方法。為實現(xiàn)上述目的，根據(jù)本發(fā)明的一個方面，提供了一種圖像顯著區(qū)域檢測方法，包 括下列步驟步驟1)將圖像進行中頻帶通濾波；步驟2、根據(jù)中頻帶通濾波后的圖像獲得顯著性圖。在上述方法中，所述步驟1)前包括步驟0)將圖像進行縮放。在上述方法中，所述步驟幻后還包括
步驟3)將所述顯著性圖進行平滑。在上述方法中，所述步驟3)采用高斯平滑算子實現(xiàn)。在上述方法中，所述步驟1)進一步包括111)將所述圖像用頻域表示；112)將所述圖像的頻域幅值譜進行中頻帶通濾波；所述步驟2)進一步包括21)將所述中頻帶通濾波后的圖像用空間域表示，獲得顯著性圖。在上述方法中，所述步驟111)采用傅里葉變換來實現(xiàn)，所述步驟21)采用反傅里 葉變換來實現(xiàn)。在上述方法中，所述傅里葉變換是快速傅里葉變換。在上述方法中，所述步驟112)的所述中頻帶通濾波為高斯帶通濾波Η{ω) 二 exp(- 2 / 2σ]) - exp(-cy2 / 2σ\ )
y其中，σ i和σ 2為標準差，且σ i < σ 2。在上述方法中，所述步驟1)進一步包括12)將所述圖像進行標準差ο工和標準差ο 2平滑，分別得到圖像1工和I2，其中σ工 < σ 2 ；所述步驟2)進一步包括22)根據(jù)如下公式獲得顯著性圖S" (x, y)S' (x, y) = I1(XJ)-I2(XJ),其中(x, y)為像素的空間坐標。本發(fā)明所涉及的參數(shù)很少，只有中頻帶通濾波器的參數(shù)，無需考慮例如Gabor變 換中的尺度和方向參數(shù)，也無需考慮中央一周邊區(qū)域的大小以及中央一周邊區(qū)域差異的計 算等，因而不僅對圖像信噪比等魯棒，而且計算簡單快速。


圖1是采用視點跟蹤儀記錄的人眼觀察所示圖像的視點軌跡示意圖；圖2是采用Itti顯著區(qū)域檢測模型進行圖像顯著區(qū)域檢測的流程圖；圖3是現(xiàn)有技術(shù)中對比敏感度函數(shù)示意圖；圖4是根據(jù)本發(fā)明優(yōu)選實施例的圖像中顯著區(qū)域的檢測方法的流程圖；圖5 (a)是一幅輸入的原始圖像的示例；圖5(b)是根據(jù)本發(fā)明的一個實施例的中頻帶通濾波器；圖5(c)是采用圖5(b)所示的中頻帶通濾波器對圖5(a)所示的原始圖像進行濾 波后的幅值譜；圖5(d)是根據(jù)本發(fā)明的一個實施例的圖5(a)所示的原始圖像的顯著性圖。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖，對根據(jù)本發(fā) 明一個實施例的圖像顯著區(qū)域的檢測方法進一步詳細說明。應當理解，此處所描述的具體 實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。雖然自然圖像中包含不同尺度的對象和視覺模式，人類視覺系統(tǒng)對不同尺度的視覺模式的感知是不同的。生理學上有實驗證明人們對不同頻率的視覺信息 的感知閾值不同。人類視覺系統(tǒng)對不同頻率視覺信號的感知閾值用“對比敏感度函 數(shù)，，(contrast-sensitivity function, CSF)表不。Blackmore 禾口 Campbell 發(fā)表的一個 CSF 如圖3所示，從中可以看出人們對中頻信號最敏感，即
權(quán)利要求
1.一種圖像顯著區(qū)域檢測方法，包括 步驟1)將圖像進行中頻帶通濾波；步驟幻根據(jù)中頻帶通濾波后的圖像獲得顯著性圖。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟1)前包括 步驟0)將圖像進行縮放。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述步驟2、后還包括 步驟幻將所述顯著性圖進行平滑。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟3)采用高斯平滑算子實現(xiàn)。
5.根據(jù)權(quán)利要求1或2所述的方法，其特征在于， 所述步驟1)進一步包括111)將所述圖像用頻域表示；112)將所述圖像的頻域幅值譜進行中頻帶通濾波； 所述步驟2~)進一步包括21)將所述中頻帶通濾波后的圖像用空間域表示，獲得顯著性圖。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟111)采用傅里葉變換來實現(xiàn)，所 述步驟21)采用反傅里葉變換來實現(xiàn)。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述傅里葉變換是快速傅里葉變換。
8.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟11 的所述中頻帶通濾波為高 斯帶通濾波
9.根據(jù)權(quán)利要求8所述的方法，其特征在于， ,其中
10.根據(jù)權(quán)利要求1所述的方法，其特征在于， 所述步驟1)進一步包括12)將所述圖像進行標準差01和標準差σ2平滑，分別得到圖像、和“，其中O1< σ 2 ；所述步驟2~)進一步包括22)根據(jù)如下公式獲得顯著性圖S'(x, y)S' (x,y) = I1(Ly)-I2(Ly),其中(x，y)為像素的空間坐標。
全文摘要
本發(fā)明提供一種圖像顯著區(qū)域檢測方法，包括步驟1)將圖像進行中頻帶通濾波；步驟2)根據(jù)中頻帶通濾波后的圖像獲得顯著性圖。上述方法不僅對圖像的信噪比等魯棒，而且計算簡單快速。
文檔編號G06T5/00GK102129694SQ20101003430
公開日2011年7月20日 申請日期2010年1月18日 優(yōu)先權(quán)日2010年1月18日
發(fā)明者卿來云, 苗軍 申請人:中國科學院研究生院