[发明专利]一种基于多特征整合视觉注意模型的景象匹配适配性分析方法

权利要求书

1.一种基于多特征整合视觉注意模型的景象匹配适配性分析方法，其内容包括以下步骤：

步骤1、色彩、强度、方向的特征关注图提取；

色彩通道的关注图提取：设广义调谐的红色、绿色、蓝色和黄色分别记为R、G、B和Y，在这些通道分别产生输入图像的金字塔式特征图，即R(σ)、G(σ)、B(σ)和Y(σ)；设c为高分辨率尺度，s为低分辨率尺度，δ为二者的尺度差值，中央–周边差异操作记为“”，在色彩通道的红绿、黄蓝两个子通道分别可以得到6张特征映射图，即和经过归一化运算N和跨尺度的点对点特征图取和操作，可以得到色彩通道的关注图，即C‾=⊕c-24⊕s-c+3c+4[N(RG(c,s))+N(BY(c,s))];]]>

强度通道的关注图提取：强度可按I=(r+g+b)/3计算，产生强度通道的金字塔式特征图，记为I(σ)；利用中央–周边差异操作，获得强度特征的映射图，即其中，c={2,3,4}，s=c+δ，且δ∈{3,4}；经过归一化运算N和跨尺度的点对点特征图取和操作，可以得到强度通道的关注图，即I‾=⊕c-24⊕s-c+3c+4N(I(c,s));]]>

方向通道的关注图提取：利用不同方向的Gabor滤波器与强度特征图I(σ)进行卷积，得到方向通道的多尺度金字塔O(σ，θ），其中，方向参数取为θ∈{0°，45°，90°，135°}；利用中央–周边差异操作，得到方向通道的特征映射图，即其中，c={2,3,4}，s=c+δ，且δ∈{3,4}；经过归一化运算N和跨尺度的点对点特征图取和操作，可以得到方向特征通道的关注图，即

步骤2、SURF特征关注图提取：

SURF通道的特征图提取。提取不同尺度图像的SURF特征图，对于尺度σ空间中每个像素位置(i,j)，其SURF特征用Surf(i，j，σ)表示：当位置(i,j)处存在SURF特征点时，有Surf(i,j,σ)＝1；当位置(i,j)处存在SURF特征点时，有Surf(i,j,σ)＝0；遍历金字塔每个尺度空间的图像的所有像素位置，得到SURF通道的特征图尺度参数为σ∈[0，…，8]，i＝1,…，m；j＝1，…，n，m和n分别为以像素为单位的图像的长和宽；

SURF通道的关注图提取。首先，将SURF特征图S(σ)调整为与色彩特征通道的关注图具有同样的图像尺寸；然后，通过跨尺度的特征图整合获得SURF特征通道的关注图，这一操作实际计算的是跨尺度的SURF特征密度，即计算某像素位置(i,j)处各个尺度SURF

特征图中SURF特征点的总个数，则SURF特征通道的关注图可以按照式S‾=Σσ-08S(σ)]]>计算；

步骤3、基于视觉显著图的景象匹配适配性分析：

A、视觉显著图计算。首先对强度、色彩、方向和SURF通道的关注图进行归一化处理N；然后，将四个特征通道的关注图进行加权融合，得到输入图像的视觉显著图S，即有S=14(N(I‾)+N(C‾)+N(O‾)+N(S‾));]]>

B、视觉显著区域提取。通过输入图像各个区域在视觉显著图中的幅值之间相互“竞争”，幅值大的区域优先吸引注意焦点成为显著区；通过“抑制”当前显著区域，使注意力转向下一个幅值最大的区域，成为下一个显著区；重复竞争和抑制两步，直至找不到新的显著区为止，从而完成对图像所有视觉显著区域的提取；

C、基于视觉显著图的景象匹配适配性分析，将需要进行景象匹配适配性分析的图像作为输入图像，完成视觉显著图计算和视觉显著区域提取；将这些显著区作为景象匹配适配区，此外，将显著图中显著性幅值的大小作为评价区域适配性能优劣的参考，可以辅助进行适配性分析。