[发明专利]灰度图中视觉注意区域转移预测方法

说明书

技术领域

本发明涉及图像处理中的区域分析，特别涉及图像中的显著区域检测并提供灰度图像中视点在极显著的区域间进行转移的预测方法。

背景技术

在人类所有的感觉中，至少有70％的外界信息是通过视觉系统获取的。生物视觉系统，包括人类视觉系统，能自动选择场景中显著的区域进行理解，并在不同的区域间进行切换。从图像或者感受野中提取显著的特征，并把它们分成不同的区域，从中选择显著的区域是感知理解的根本任务。这种能力就是视觉理解中的视觉注意选择。当显著的区域被选择之后，由于视觉系统的适应性，注意力会从当前显著的区域转到下一个显著的区域，这是注意转移。视觉注意选择和视觉注意转移是保证生物系统以有限的处理能力完成任务的重要机制。人眼处理视觉图像时可以在很短的时间内轻松的进行感知和理解，并且实现从一个显著的区域转移到下一个显著的区域。现代高速计算机的计算能力已达到惊人的程度，但计算机视觉系统却无法指导诸如过马路之类对人来说非常简单的视觉任务。这主要是因为同样面对海量的视觉信息输入，人眼可以在短时间内有选择地关注视觉场景中的显著变化区域，并进行分析判断，从而适应环境的变化。而计算机视觉系统只会不加选择地平等对待视觉场景中的各个区域，在无法理解场景变化的同时还会造成计算瓶颈。如果我们把人类视觉系统的选择性注意功能引入到计算机视觉系统中，势必会提升现有计算机图像分析效率。

如果能够将这种机制引入图像分析领域，将计算资源优先分配给那些容易引起观察者注意的显著区域，必将极大地提高现有图像分析方法的工作效率。图像的视觉显著性区域检测有着广泛的应用，如图像智能裁剪缩放。当我们需要对一幅图像进行裁剪或缩放时，总希望保持图像中有意义的内容不被裁掉或扭曲，而只是对那些不重要的背景区域进行处理。如果我们使用某一个设备自动实现上述功能，就需要首先对一幅图像中各个区域的视觉显著程度进行判断从而确定图像中有意义的内容。但目前提出的方法大多计算复杂度高，耗费计算资源巨大，对大多数工程应用来说不够实用。

在有关视觉显著性程度检测的文献中，视觉显著区域通常被定义为那些在图像特征空间上具有全局稀有性的局部图像块。这种定义的一种常见实现方法是：把图像切分成若干个图像块，然后计算每个图像块相对其他所有图像块的不相似度，最后那些具有较高不相似度的图像块被认为是比较显著的区域。其中不相似度的比较方法可以是比较两个图像块在颜色、朝向、纹理等特征上的对比度。还有一种定义认为与邻域对比比较大的区域是比较显著的区域。这种定义的实现方式和上述全局稀有性定义的主要区别在于每个图像块之和它周围的图像块比较不相似度，而不是和当前图像中的所有图像块。这种定义最常见的一种实现是中央-周边机制，即中央和周边差异大的区域是显著区域。

目前大多数文献显示，现有显著性检测方法主要是像素级的检测方法，这些方法在没有对图像主要区域进行划分的前提下，计算每个像素的显著程度，因此，在这些方法得到的显著图上进行区域间的视点转移是很困难的。相关研究表明，人的视点存在在不同区域间进行的转移的情况，而一个物体通常是一个有意义区域。现有的基于像素的视点转移方法无法体现人的这一视觉特点。

发明内容

本发明的目的在于，通过提供一种基于区域增长的视觉注意区域转移预测方法，预测人眼在观察灰度图像时从一个显著性区域到另一个区域的过程，并构建感受野中注意转移预测系统。

本发明灰度图中视觉注意区域转移预测方法，是采用以下技术手段实现的，主要包含4个步骤：

步骤1、寻找一幅灰度图像所有像素中的领导者。首先对一幅图像中的所有像素计算其八邻域的像素对其产生的侧电势。像素j对像素i侧电势Lateral(i，j)计算公式如(1)所示。