[发明专利]一种基于HVS的视频感兴趣区域提取方法

权利要求书

1.一种基于HVS的视频感兴趣区域提取方法，其特征在于，该方法至少包括如下的步骤： 

步骤1：将视频时域特征和空域特征分别表示为视频的时域信息量和空域信息量，根据视频的帧间相关性和帧内相关性计算出时域信息量I_temporal和空域信息量I_spatial； 

步骤2：采用特征融合策略将视频时域信息与空域信息加权，如下式计算视频信息量； 

I＝αI_temporal+βI_spatial

其中系数α与β取决于视频序列的运动复杂度和空间复杂度的相对强度； 

步骤3：定义视频特征为视频信息量，定义人眼实际观察到的视频特征为视觉显著度，根据下式的视觉迟滞性映射模型可以由视频信息量获得视频的视觉显著度； 

S＝F(I) 

步骤4：依据视频序列当前帧的视觉显著度分布，获取一个自适应阈值，将该帧视觉显著度二值化，从而提取当前帧的视觉感兴趣区域。 

2.根据权利要求1所述的一种基于HVS的视频感兴趣区域提取方法，其特征在于，步骤1中的视频时域信息量的计算，其步骤为： 

步骤11：将视频序列中出现在t时刻的视频帧分为R×C个尺寸为8×8的视频子块，其中空间位置为(x,y)的子块定义为B(x,y,t)，将空间位置相同的具有相关性的N个视频子块组成的集合表示为V(x,y,t)＝{B(x,y,t),B(x,y,t-1),...,B(x,y,t-N+1)}； 

步骤12：将连续V(x,y,t)的N个元素进行DCT变换得矩阵E，则块B(x,y,t)的一个DCT分量可表示为E(i,j,t)，t＝1,2,...,N； 

步骤13：N个块的第(i,j)个分量组成的矩阵为E(i,j,:)，求该矩阵的概率矩阵P_i,j，块B(x,y,t)的第(i,j)个分量取值的概率为P_i,j(t)； 

步骤14：视频子块B(x,y,t)在t时刻这一帧视频中出现的概率为条件概率 根据香农信息论块B(x,y,t)包含的时域信息量为 

3.根据权利要求1所述的一种基于HVS的视频感兴趣区域提取方法，其特征在于，步骤1中的视频空域信息量计算，其步骤为： 

步骤15：将t时刻的这一帧视频所包含的时间事件表示为F(t)，解释为视频帧F(t)上所有其他位置视频子块的集合； 

步骤16：将t时刻帧F(t)逐块进行DCT变换得矩阵D，块B(x,y,t)的一个DCT分量可表示为D(x,y,i,j)，其中(x,y)表示块的帧内空间位置，(i,j)表示块内DCT分量位置，i＝1,2,...,R;j＝1,2,...,C； 

步骤17：所有块的第(i,j)个分量组成的矩阵为D(:,:,i,j)，求该矩阵的概率矩阵P_i,j（即矩阵值的概率值组成的新矩阵），块B(x,y,t)的第(i,j)个分量取值的概率为P_i,j(x,y)； 

步骤18：这一帧视频中视频子块B(x,y,t)出现的概率表示为条件概率 块B(x,y,t)包含的空域信息量表示为下式。 

。

4.根据权利要求1所述的一种基于HVS的视频感兴趣区域提取方法，其特征在于，步骤2中的采用特征融合策略将视频时域信息与空域信息加权，计算视频信息量，其步骤为：步骤21：分别按照如下公式将所求得时域和空域信息量进行线性归一化； 

步骤22：如下式将归一化后的时域信息和空域信息进行加权； 

I＝αIt_emporal+βI_spatial。

5.根据权利要求1所述的一种基于HVS的视频感兴趣区域提取方法，其特征在于，步骤3中的根据视觉迟滞性映射模型，由视频信息量获得视频视觉显著度，其步骤为： 

步骤31：定义人眼所能察觉的信息量下限为L_lower，最大信息量为L_upper； 

步骤32：根据双曲正切函数的特征和人眼视觉敏感性，我们采用映射模型S＝λ*th(μ·I-ξ)+γ,L_lower＜I＜L_upper，将视频信息量映射为视觉显著度。 

6.根据权利要求1所述的一种基于HVS的视频感兴趣区域提取方法，其特征在于，步骤4中的根据视频视觉显著度提取感兴趣区域，其步骤为： 

步骤41：通过视觉显著度自适应的方法来获取阈值

步骤42：将视频帧中视觉显著度值大于自适应阈值Th的区域取为感兴趣区域。