[发明专利]一种基于频域和空域结合的显著区域检测方法

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于频域和空域结合的显著区域检测方法。

背景技术

视觉显著性是使一个对象，人或像素相对其邻域脱颖而出从而吸引他人的注意力的感知质量。图像的显著区域检测就是寻找图像中可能引起人眼视觉注意的区域。人类能够迅速观察到图像中较为引人注意的重要部分，并把注意力集中到自己感兴趣的目标，从而可以很容易判断出图像中的显著性区域。同时，在一些不利条件下(如高度杂乱的场景)，人类仍具有相对卓越的对象识别能力。显著区域检测可以有效地用于自动缩放“有趣的”区域或自动裁剪图像中“重要的”区域。对象识别算法可以借助于显著性检测的结果，迅速定位视觉上突出的候选显著区域，这样能够有效减少杂乱背景的影响，从而提高显著物体识别的性能。

通过对人类视觉系统注意机制的分析将显著区域检测主要分为两大类别：一类是基于自底向上的视觉注意机制，其视觉信息处理过程完全由底层数据驱动，与高层知识无关，根据图像的低级特性(如边缘、亮度、颜色、方向)来计算图像区域的显著性。另一类是基于自顶向下的视觉注意机制，是一种与任务相关的控制加工过程，由高层知识的观察任务所驱动，针对图像的特定高级特征来计算图像区域的显著性。利用视觉注意力模型提取图像的显著性区域，为进一步实现对基于人类感兴趣区域的图像检索奠定了基础。

尽管在过去多年的研究中，业界对图像的低层特征和高层特征进行了广泛的研究，然而图像的显著性特征依旧复杂而难以确定。因此，有必要进行开发研究，以提供一种实时性比较高，能快速得到显著图，而且复杂度低、简单易行的方案。

发明内容

为解决上述问题，本发明的目的在于提供一种基于频域和空域结合的显著区域检测方法，其实时性比较高，能快速得到显著图，而且复杂度低、简单易行。

为实现上述目的，本发明的技术方案为：

一种基于频域和空域结合的显著区域检测方法，包括如下步骤：

步骤1、对原图像分别在频域中和空域中进行不同的分块处理；

步骤2、从频率域和空间域两个方面，计算每一个图像块的显著性，并求出显著图；

步骤3、将图像在频域的显著图与空域的显著图通过加权几何平均融合成一张最终的显著图。

进一步地，步骤1中，在频域显著性的计算中将原始图像划分成具有75％重叠的32×32的图像块；在空域显著性的计算中则将图像划分成具有50％重叠的8×8的图像块。

进一步地，步骤2中，计算频域显著性，具体步骤为：

1)首先将图像转化为灰度图像，再对划分后的每一个图像块进行二维离散傅里叶变换转换到频率域：

其中b(x,y)和B(u,v)分别表示图像块中的每个像素点在空间域和频率域中的位置，N和M是图像的高度和宽度。

2)求取频域中图像块的傅里叶振幅谱：

A(x,y)＝[R(x,y)²+I(x,y)²]^1/2 (11)

其中R(x,y)和I(x,y)分别表示傅里叶频谱的实部和虚部。

3)变换图像的傅里叶振幅谱，将频域中图像块的每个幅度值减去该图像块的幅度均值：

A(x,y)＝|A(x,y)-mean(A(x,y))| (12)

4)求取每个图像块b的频域显著性S₁(b)：

其中a(b)为每个块b的振幅谱均值，m(G)为整幅图像G的频域均值，

△(b)＝max(L(b))-min(L(b)) (14)

μ(b)＝mean(L(b)) (15)

分别代表亮度值块L(b)＝(h+kb)^η最大值与最小值之间的差值以及其平均值，在L(b)的计算中h＝0.7656，k＝0.0364和η＝2.2，为RGB色彩空间的显示条件。对于阈值T1，T2，假设输入图像块所包含的象素值在0到255的范围内，由经验可选择T1＝5和T2＝2。

进一步地，步骤2中，计算空域显著性，具体步骤为：

a)首先将图像转化为灰度图像，再对划分后的每一个图像小块p(k)求取像素点之间的差异值：

其中k＝{1,2,…,n}，n是在8×8的图像块b中所包含的所有2×2小块p的数目。