專利名稱：一種融合區(qū)域顏色和HoG特征的視覺顯著性檢測方法
技術領域：
本發(fā)明屬于計算機視覺領域，具體來說是ー種融合區(qū)域顏色對比度和梯度方向直方圖(以下采用其英文簡寫“HoG”代替)特征的視覺顯著性檢測方法。
背景技術：
視覺顯著性被定義為視覺的不可預測性、稀缺性。由于相關的人類視覺注意理論的支持，視覺顯著性模型提供了ー種快速且高效的方法，在計算機視覺和圖像處理中作為重要的預處理機制。 目前的研究成果表明，多數(shù)視覺顯著性模型基于底層特征驅動的自底向上的過程。其中，具有深遠意義的工作是L. Itti等人提出的特征融合理論。在他們的模型中，顏色、亮度和方向特征分別從輸入圖像中提取，標注地理特征地圖，然后使用線性融合方式合成主顯著性圖像。A. Borji等人提出基于區(qū)域稀有性的分析方法。該方法是在Lab和RGB空間學習全局和局部的顔色特征，分配圖像顯著性。這些方法模擬人類眼球運動，追蹤眼部的關注焦點，在生物學中有重要研究價值，但存在明顯的不足低分辨率，高亮局部輪廓，缺少完整的區(qū)域意識。為此，R. Achanta等人提出了ー種簡單的頻域協(xié)調方法，度量像素與圖像平均色的差異決定圖像的顯著性。該方法得到全分辨率的顯著性圖。之后，R. Achanta等人改用最大對稱環(huán)繞的檢測算子，降低背景干擾。M.-M. Cheng等人用圖分割抽象區(qū)域顔色，提出基于全局的區(qū)域空間相關性的計算模型，該方法是對區(qū)域對比理論的解釋。最近，F(xiàn). Perazzi等人引入顯著性濾波器的概念，分別從元素獨立性和空間分布兩方面實現(xiàn)顯著性濾波，得到與輸入圖像大小一致的高質量顯著性圖。這些方法都面向純計算模型，表現(xiàn)出區(qū)域完整，物體輪廓清晰，復雜度低的優(yōu)點。然而上述這些方法都是基于區(qū)域顔色，對于紋理的顯著性差異不敏感。

發(fā)明內容
本發(fā)明針對現(xiàn)有技術的不足，融合區(qū)域顔色和HoG特征，提供了一種基于區(qū)域對比度的視覺顯著性檢測方法。本發(fā)明方法的具體步驟如下
步驟(I):采用彩色變換方法，分別提取輸入圖像在Lab空間的7彩色分量圖、a彩色分量圖和b彩色分量圖。步驟(2):采用SLIC超像素聚類方法，將輸入圖像劃分為多個互不相交且區(qū)域面積近似相等的超像素區(qū)域。步驟(3):根據(jù)步驟(2)的結果，計算每個超像素區(qū)域的顔色特征，具體為 對于超像素區(qū)域其顔色特征是由超像素區(qū)域A的顔色均值矢量
、超像素區(qū)域A的質心坐-Pi和超像素區(qū)域r,.的面積率F組成。
所述的超像素區(qū)域r,的顔色均值矢量V表示為
權利要求
1.ー種融合區(qū)域顔色和HoG特征的視覺顯著性檢測方法，其特征在于該方法包括如下步驟 步驟(I):采用彩色變換方法，分別提取輸入圖像在Lab空間的7彩色分量圖、a彩色分量圖和b彩色分量圖； 步驟(2):采用SLIC超像素聚類方法，將輸入圖像劃分為多個互不相交且區(qū)域面積近似相等的超像素區(qū)域； 步驟(3):根據(jù)步驟(2)的結果，計算每個超像素區(qū)域的顔色特征，具體為 對于超像素區(qū)域其顔色特征是由超像素區(qū)域A的顔色均值矢量Iii、超像素區(qū)域A的質心坐標？;和超像素區(qū)域r,.的面積率が組成； 所述的超像素區(qū)域A的顔色均值矢量μ 表示為V = [4 K /4]，其中4為超像素區(qū)域A內所有像素的7彩色分量均值，/4為超像素區(qū)域A內所有像素的a彩色分量均值，,力超像素區(qū)域A內所有像素的6彩色分量均值； 所述的超像素區(qū)域ハ的質心坐標#表示為f=,其中/4為超像素區(qū)域ハ內所有像素垂直方向坐標的均值與輸入圖像高度的比值，pi為超像素區(qū)域ァ,.內所有像素水平方向坐標的均值與輸入圖像寬度的比值； 所述的超像素區(qū)域^的面積車卜表示超像素區(qū)域^內的像素個數(shù)與輸入圖像總像素的比值； 步驟(4):根據(jù)步驟(3)得到的各超像素區(qū)域的顔色特征，計算每個超像素區(qū)域的顔色獨特性，具體為 對于超像素區(qū)域其顔色獨特性表示為KM = ki Σ οι(ι+^·>^) 其中為超像素區(qū)域r,.和超像素區(qū)域A在Lab空間的顏色距離；為超像素區(qū)域Ti和超像素區(qū)域ハ的空間相關性權重;η為步驟(2)中劃分出的超像素個數(shù)； 所述的超像素區(qū)域A和超像素區(qū)域巧在Lab空間的顏色距離巧表示為超像素區(qū)域r,.的顔色均值矢量V與超像素區(qū)域ハ.的顔色均值矢量 "的L2距離，具體描述為= ||μ!' —μ/| 所述的超像素區(qū)域A和超像素區(qū)域巧的空間相關性權重4具體表示為 ぜ〔き13)￥ ^ 其中=0.25為高斯函數(shù)標準差，I 1 -PjI為超像素區(qū)域巧的質心坐標ダ與超像素區(qū)域A的質心坐標滬的L2距離； 步驟(5):根據(jù)步驟(3)得到的各超像素區(qū)域的顔色特征，計算每個超像素區(qū)域的顔色空間分布特性，具體為 對于超像素區(qū)域其顔色空間分布特性表示為 其中為超像素區(qū)域r,和超像素區(qū)域Ty的空間距離；
全文摘要
本發(fā)明涉及一種融合區(qū)域顏色和HoG特征的視覺顯著性檢測方法。目前方法通常都基于區(qū)域顏色特征的純計算模型，對于紋理的顯著性差異不敏感。本發(fā)明方法首先在原始圖像的CIELAB空間彩色分量圖上，通過分析超像素區(qū)域的顏色對比度和分布特性，計算每個像素的顏色顯著性值；然后在原始圖像的RGB空間彩色分量圖上，提取基于HoG的局部矩形區(qū)域紋理特征，并通過分析局部矩形區(qū)域的紋理對比度和分布特性，計算每個像素的紋理顯著性值；最后采用二次非線性融合方法將每個像素的顏色顯著性值和紋理顯著性值融合為該像素的最終顯著性值。本發(fā)明方法獲得不僅可獲得符合人眼視覺感官的全分辨率顯著性圖像，并且對顯著性目標具有更強的區(qū)分能力。
文檔編號G06T7/40GK102867313SQ20121031180
公開日2013年1月9日 申請日期2012年8月29日 優(yōu)先權日2012年8月29日
發(fā)明者周文暉, 宋騰, 孫志海, 張樺, 韋學輝 申請人:杭州電子科技大學