[发明专利]一种基于全局与局部对比度的显著性检测方法

说明书

技术领域

本发明涉及一种基于多尺度上下文的显著性检测方法，属于计算机通信技术领 域。

背景技术

21世纪，随着计算机技术和人工智能的迅猛发展和相关理论的不断完善，数字图 像处理技术在许多领域受到广泛重视，为了人们更好更便捷的生活，图像处理的研究显得 至关重要。其中，显着性检测是计算机视觉和图像处理的一项重要任务。图像显著性区域检 测研究的目的是获得高质量的显著图，显著图反映了图像中不同区域的显著程度。利用显 著图，可以快速定位和处理图像中的显著区域，以达到通过计算机模拟人类视觉显著性的 目的。

然而，当前提出的多种显著性检测方法，仍然存在很多不足。即图像显著性检测结 果质量普遍不高，不能正确反映出图像的显著性信息；显著性信息的使用方式和方法还比 较初级等问题。但在实际应用中，对比度的计算是图像显著性计算的核心。由于生物学上对 视觉显著性的研究不彻底，很多结论具有猜测性，Goferman等人提出了上下文集成方法，突 破了生物学模型，简化了计算方法，但是，显著性检测质量不高。Achanta等提出的多尺度方 法，采用局部对比度计算方法，检测结果容易受到图像中的复杂颜色，物体的质地纹理，多 变的环境背景等因素的影响，使得通过已知方法得出的显著性图无法准确突出图像的前 景。因此，就无法使图像显著性信息的潜力发挥出来。zhai和Shah等提出的基于直方图的计 算方法，则采用全局对比度计算方法，当前景与背景色差不大时，造成显著性区域的误判， 无法清晰指明物体的轮廓，这就使得显著性图的应用效果比较差。

同时，上述现有方法在图像背景与前景相似等复杂情况下，显著性的检测性能并 不理想。现有方法仅重视单一对比度情况，检测性能远不能满足实际应用的需求。而本发明 能够很好地解决上面的问题。

发明内容

本发明目的在于解决了上述现有技术问题，提出了一种视觉显著性的检测方法， 该方法是在RGB色彩空间下，检测结果比现有方法更简单并行之有效，其显著图更贴合于人 眼的视觉感知系统所得到的结果，显著性检测质量高，且检测结果受图像的物理条件，光学 条件，色彩差异影响小；本发明不受样本限制，更适于实际应用。

本发明解决其技术问题所采取的技术方案是：在实现中，从1500自然场景随机选 择的彩色图像中提取500000个8×8图像块(即用于RGB颜色空间中的每个子信道)。在词典 里，每个基础功能是一个8×8＝64维向量，学习N＝200字典。稀疏编码系数用以上所学习的 LARS算法原理。

此框架是基于三个显著性操作。第一个，CESC(center-surroundcontrast，即：中 心-四周对比度)，认为就其周围的图像补丁块的稀缺性。第二个，CSC(corner-surround contrast，即：对角-四周对比度)，通过考虑中心补丁块与其周围补丁块的相对位置拓展 CESC(center-surroundcontrast，即：中心-四周对比度)算法。第三个，GC(Global contrast，即：全局对比度)，利用其在整个图像的对比度的图像的补丁计算显著性。最后， 这三个对比图进行合并。

输入的图像首先被调整成2⁹×2⁹像素。P＝{p₁,p₂...,p_N}(即从左上到右下无重叠 的)代表一系列的补丁块。然后用稀疏编码算法去计算重造的系数α_i来代表补丁块P_i，即：