[发明专利]一种基于全局对比度的矢量化显著检测方法

说明书

技术领域

本发明提出一种图像处理技术，特别涉及一种图像显著检测方法。

背景技术

人类具有一种天生的选择性视觉能力，能够在认知过程完成之前，快速扫视复杂场景并将注意力聚焦在一些显著的区域上。有研究表明人眼视觉系统只是有效处理众多感知信息中最不寻常的部分，所以这种选择性视觉能力有助于大脑和视觉系统打破信息处理的瓶颈。而且在计算机视觉处理中，模拟这种能力来提取显著谱也是至关重要的，因为显著谱已广泛地应用于许多计算机视觉的处理和研究中，包括内容感知的图像缩略图、自适应编码、智能图像尺寸重建、自动对象分割以及图像和视频摘要等。

视觉显著性是一种能够让一个物体从其邻域中区分出来的感知属性。在过去几十年间，相关研究者提出了各种图像显著检测模型。这些模型以自底向上、自顶向下和混合的形式加以实现。自底向上模型模拟人眼快速的、靠刺激驱动的注意力产生过程，而自顶向下模型模拟相对较慢的、依赖于某种视觉任务的注意力部署过程。

自底向上模型由于其与生理学的视觉理论之间的关系更容易理解而被研究的更多，该模型主要采用一些简单的特征来进行建模，比如亮度、对比度、颜色和运动等。目前，自底向上方法可以大致分为两大类，即基于局部对比度和全局对比度的方法。基于局部对比度的方法一般根据“中心-环绕”假设理论，从图像的局部邻域中提取显著特征。该方法提取出的图像显著谱通常更加突出对象的边界，并且由于在利用多尺度方法提取局部对比度特征时采用了剧烈的下采样，使得显著谱的分辨率很低。基于全局对比度的方法整合整幅图像的所有特征信息来计算显著谱。通常，这种方法生成的显著谱具有较高的分辨率、均匀的显著区域和清晰的边界。然而，这种方法在计算每个像素的显著值时，需要考虑该像素与图像中所有像素的对比度，并且现有方法大多对每个像素的显著度分别进行计算，运算量很大。

发明内容

本发明所要解决的技术问题是复杂度较低的基于全局对比度的矢量化显著检测方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于全局对比度的矢量化显著检测方法，其特征在于，包括以下步骤：

1）提取图像中每个像素点的特征矢量，将图像中所有像素的特征矢量构成特征矩阵，特征矩阵的每一列为对应的一个像素点的特征矢量，特征矩阵的列数与图像中像素点个数相等；

2）对特征矩阵沿行方向求均值，得到图像的均值矢量；

3）将特征矩阵的转置中每个元素取平方后沿行方向求和，将求和结果与特征矩阵的转置和均值矢量乘积的2倍相减得到图像的显著度矢量；

4）将图像的显著度矢量归一化至[0,255]区间，按照矢量中各元素对应的像素在图像中的位置排列成矩阵，形成该图像的显著谱，显著谱中亮度越高的像素点其显著度越高。

具体的，所述像素点的特征矢量为像素点的像素值的转置。

具体的，对特征矩阵沿行方向求均值，得到图像的均值矢量为其中N表示图像I中像素点的总个数，x_q表示图像I中的任意一个像素点的特征矢量。

优选的，所述像素点的特征矢量为像素点的像素值与去除亮度值后的颜色值所组成的矢量的转置；所述去除亮度值后的颜色值为（R′,G′,B′），[R′,G′,B′]＝[R-L,G-L,B-L]，其中L表示亮度，R表示红色通道强度，G表示绿色通道强度，B表示蓝色通道强度。

优选的，对特征矩阵沿行方向求均值，得到图像的均值矢量为其中，xq表示图像I中的任意一个像素点的特征矢量，K为归一化常数，K使ω_p,q表示像素点q和p的近似程度；||q-p||表示像素点q和p的空间距离，||·||表示L2范数。

本发明的有益效果是，相比现有的基于全局对比度的显著检测方法，更高效、计算复杂度低。之后提出的优化方法，进一步提高了检测结果的准确性和鲁棒性。

附图说明

图1为本发明流程图。

图2为优化原则1的示意图。

图3为(a)和(d)为原始图像，(b)和(e)为使用实施例1方法得到显著谱，(c)和(f)使用实施例2方法得到的显著谱。

图4为(a)和(d)为原始图像，(b)和(e)为使用实施例1方法得到显著谱，(c)和(f)使用实施例3方法得到的显著谱。

具体实施方式

在基于全局对比度的显著模型中，图像I中任一像素p的显著值S_g(p)表示为：