[发明专利]一种快速的图像序列特征显著图获取方法

说明书

技术领域

本发明属于机器视觉和图像处理技术领域，具体涉及一种基于频率域相位分析的图像序列显著图获取方法。

技术背景

随着互联网和IT相关技术的不断发展，人类社会进入信息时代，人们每天通过各种手段(网络、电视、广播等等)获得大量的信息。据统计，其中80％来源于图像媒体，15％来源于语音。可见视觉信息是人类接收信息的主要手段，即图像与视频成了信息交流中最为重要的载体，也是蕴含信息量最大的媒体。其理所当然的成为当今通信和计算机系统中一种重要的处理对象，如何从大量的视频图像信息中获得有用信息，是数据挖掘中的关键。其次图像与视频信息携带了巨大的信息量，其传播与存储对网络通信的速度与容量提出了更高的要求。其爆炸性增长让已经非常紧张的网络带宽与存储资源变得日益不堪重负。为了减少图像与视频在传输和存储中的资源消耗，尽管各种压缩算法不断被提出，也起到了一定的效果，但其越来越趋向于设计的极限而显得力不从心。同时对于图像中的目标检测、识别和跟踪也是目前计算机视觉中十分重要的方面，它在军事、航天和智能机器人等方面有广泛的应用价值，如何快速搜索到有用的目标进行跟踪和识别，也是人们关心的问题。

在这一背景下，人们更倾向于从另一个角度去解决以上问题--对人的视觉机能的研究和模拟。人对于视觉信息具有很强的去冗余的能力：首先人眼视网膜中央凹的结构，使得人眼对视觉中央区域的分辨率较高，而周围的分辨率逐渐降低；其次人脑只对视觉场景中有新颖信息的感兴趣的部分分配较多的注意力^[13][14][15]，因而观察也较为仔细，而对其余位置并不“关注”，这种资源优化配置的机制为人眼和人脑节省了大量资源，同时对于运动的目标和与场景中那些与它周边明显不同的区域眼睛也会特别关注，这是人的视觉能很快地搜索到目标的原因。受此启发，把以上称之为注意力选择的机制^[1][2][3]，将这种机制应用于图像、视频的有用信息的挖掘、目标检测、识别中，可节省其搜索时间，应用于图像和视频的编解码压缩中，可在人眼能够感受到的视觉质量下降最少的情况下，大大减少图像、视频的容量大小，对缓解其传输、存储的压力将有很好的效果。

要应用以上注意力选择机制就必须抽取图像中人眼感兴趣的区域，通常自然视频场景中的显著特征区域如强烈的颜色对比、形状对比、运动变化和新颖物体的出现都将导致强烈的视觉刺激信号，引起注意力的选择。因此，对显著区域的提取技术成为解决以上问题的关键，同时也是后续目标识别与监测的前提技术。对此，相关的研究持续了数十年，提出各种不同的模型^[5][6][7]。但是，时至今日，它依然是机器视觉和图像视频处理领域中极具挑战性的问题。

基于静态图像的方法在过去的研究中取得了长足的进步，其中包括Itti等人提出的一种自下而上(bottom-up)的处理模型，并以此开发出了一套C++视觉工具集--NVT(Neuromorphic Vision Toolkit)^[4]，以下简称为NVT算法。此种方法从一定意义模拟了生物对于复杂场景的视觉处理，具有较好的显著特征抽取结果和抗噪声的能力，但也存在着计算成本高，速度慢并且显著特征抽取结果依赖于参数的选择等不足。最近Hou等人提出了一种基于傅立叶变换的残差对自然场景分析方法SR(Spectral Residual)^[8]，这种算法有计算成本低，运算速度快，结果不依赖于参数选取的优点，但是其抗噪声能力差，并仅局限于抽取视频图像灰度特征而不考虑颜色信息，对彩色图像显著特征抽取效果差。同时以上几种方法都只是针对于静态图像，对于带有重要运动信息的图像序列无法做出准确的显著特征抽取。当前对于动态场景的显著特征抽取方法还是一个空白。