[发明专利]一种基于局部均匀缩放的图像目标重定位方法

权利要求书

1.一种基于局部均匀缩放的图像目标重定位方法，其特征在于，所述方法包括如下步骤：

步骤1，将源图像分解为卡通部分u和纹理部分v；

步骤2，计算卡通部分u上每个像素的高阶统计量，并据此检测显著性边，得到源图像的能量地图，并根据所述能量地图上显著性目标的位置，将源图像分为I₁、I₂和I₃三块，其中I₁和I₃为背景部分，I₂为显著性区域；

具体步骤如下：

步骤2.1，计算卡通部分u在每个像素位置x＝(x₁,x₂)的高阶统计量：

HOS(x)=1NΣy∈B(x)|u(y)-μ(x)|2;]]>

其中,B(x)代表x的邻域像素集,u(y)表示B(x)中属于卡通部分u的像素，N为B(x)内包含像素的个数；μ(x)＝(1/N)∑_y∈B(x)u(y)表示邻域像素集样本集B(x)的均值；设置邻域半径为11；

步骤2.2，计算源图像第k列的高阶统计量为：

HOS(k)=Σx=1mHOS(x,k);]]>

则HOS(k)越大,第k列越显著，m表示源图像第k列的像素个数，HOS(x,k)表示第k列的每个像素x的HOS；

步骤2.3，取前l个高阶统计量最大的列作为显著列,l具体根据源图像内容人为设置；

步骤2.4，根据显著性区域是一个局部连接整体的性质，确定属于显著性区域的显著列：假设前L列已经确定的属于显著性区域的显著列的中心为n₀,则对第L+1个显著列来说,倘若它的位置坐标与n₀的差小于等于w,则认为第L+1个显著列属于显著性区域,w具体根据源图像内容人为设置；其中,n₀初始化设置为最显著列，即HOS最大的列的坐标；

步骤2.5，在确定了属于显著性区域的显著列后,取这些列的最小、最大列坐标分别为m和M，则源图像中的显著性区域I₂为源图像中的[m,M]列，背景部分I₁和I₃分别为图像中列[0,m-1]列和[M+1,W]列，W为源图像的宽度；

步骤3，将背景部分I₁、I₃和显著性区域I₂按照不同的缩放比例进行缩放，先将背景部分按一定的比例预先缩放，背景部分的缩放比例为1/4；然后用目标图像大小减去缩放后的背景部分大小得到显著性区域应该缩放的大小；最终得到目标图像；

为了达到图像缩放的目的,保证I₂的缩放，只缩放背景区域后的图像大小应当大于或等于目标图像的大小，即有：

bW₁+W₂+bW₃≥a(W₁+W₂+W₃)；

其中，W₁、W₂、W₃分别为I₁、I₂、I₃的宽度，a为源图像的缩放比例，b为背景部分的缩放比例；

整理后得

W2≥a-b1-a(W1+W3)⇒W2≥a-b1-bW;]]>

如果所述显著性区域的大小不满足该条件时,则规定显著性区域为源图像的1/2。

2.根据权利要求1所述的一种基于局部均匀缩放的图像目标重定位方法，其特征在于，所述步骤1是根据所述源图像上的每一像素局部总变差LTV的相对衰减率，确定每一像素属于卡通部分u还是纹理部分v，具体步骤如下：

步骤1.1，定义LTV如下：

LTVσ(I)(x):=Lσ*|▿I|(x);]]>

则其相对衰减率定义如下：

λσ(x):=LTVσ(I)(x)-LTVσ(Lσ*I)(x)LTVσ(I)(x);]]>

其中，L_σ表示低通滤波,在傅里叶域有其中σ表示标准差，ξ表示频率；I表示源图像，有I＝u+v；表示源图像I梯度的模；x表示像素，LTV的相对衰减率λ_σ(x)表示图像的局部震荡，λ_σ(x)介于[0,1]之间,对于像素x来说,λ_σ(x)的值越小,x越可能属于卡通部分；

步骤1.2，卡通部分u(x)和纹理部分v(x)的定义为:

u(x)＝w(λ_σ(x))L_σ*I+(1-w(λ_σ(x)))I

v(x)＝I(x)-u(x)；

其中w(z):[0,1]→[0,1]是一个非减的分段函数,a₁和a₂分别固定设为0.25和0.5；定义为：

w(z)=0z≤a1z-a1a2-a1a1≤z≤a21z≥a2.]]> 2