[发明专利]图像处理方法和装置

说明书

本发明公开了一种图像处理方法和装置，其中，该方法包括：根据待处理的图像中像素的参数，确定像素的显著性；根据确定的显著性确定相应的像素属于显著区域或背景区域；根据图像中像素所属的区域确定图像中的显著区域和/或背景区域。本发明通过确定图像中像素的参数来确定像素的显著性，进而确定图像的显著区域和背景区域，能够避免采用复杂的计算，同时可以借助参数的灵活选择来避免特征之间的冗余，提高了检测的效率和准确性，而且能够适用于实际拍摄的复杂图像。

技术领域

本发明涉及图像处理领域，并且特别地，涉及一种图像处理方法和装置。

背景技术

显著区域与背景区域的区分一直是图像处理领域内非常关键的一环。论文《Amodel for saliency-based visual attention for rapid scene analysis》是该领域的早期工作，也是引用非常广泛的论文之一。作者在这篇论文中，运用了数量庞大的特征来模拟人类对于显著物体的视觉感知，这些特征共有42个特征图谱(feature map)，分别为12种颜色的feature map，即，在R，G，B各通道的强度信息的基础上利用不同的尺度的高斯金字塔模型与下采样方法构造12种颜色的feature map；并且，该论文还提出了6种图像像素灰度强度信息、以及四方向六尺度下构造的24种Gabor纹理方向feature map。在获得这些feature map的基础上，作者提出中心区域与周围区域的差异(center surroundingdifference)方法，计算同类型不同尺度feature map之间中心区域同周围区域的差异度，最终通过线性组合的方式将不同类型的feature map利用权重的方式进行组合获得最终的显著图(saliency map)。

但是，该算法在实际应用中存在以下缺点：

(1)检测精度低，仅仅能检测到显著目标(salient object)的一小部分；

(2)该方法基于简单的视觉特征，如像素强度、灰度等信息，而没有考虑saliency的本身特性；

(3)由于该方法使用多种特征计算saliency map，所以在特征之间将存在信息冗余，同时加大了算法的计算量；

(4)该算法仅采用权重组合的简单方式获得saliency map，因此检测的鲁棒性差。

此外，在论文《Contrast Approach:Frequency-tuned Salient RegionDetection》中，提出了仅使用一种特征来构造saliency map，作者通过对图像进行频域低通滤波的方式去除图像中的噪声以及过细的纹理信息，利用原始图像减去滤波后的图像获得一张简单的saliency map。在这个saliency map上利用自适应阈值将saliency map划分为显著区域(saliency区域)与背景区域。同时，在原始图像上，利用mean shift算法对图像进行分割。最后，利用saliency map上对应位置处像素的标签(saliency或者背景)，对于分割区域进行判断，获得更加完整的分割结果。

该算法虽然能够克服特征冗余的问题，但是仍然存在以下缺点：

(1)仅利用一种saliency map，一旦特征出现问题，将很容易导致最终的检测结果出现差错；

(2)该方法需要使用复杂的图像分割方法对图像进行分割，尽管作者希望利用图像分割的结果，来提升saliency map的性能，但是，这种复杂的图像分割方法本身的计算复杂度较高，因此很难用于资源有限的平台(如DSP等)，导致其使用的范围受到很大限制。