[发明专利]一种目标搜索方法

摘要

本发明属于计算机视觉技术领域，公开了一种目标搜索方法。具体包括：小波变换、高斯滤波、主分量提取、确定分布函数、提取全局特征向量、获取目标分布图像、特征提取和特征叠加步骤。本发明的方法通过高斯滤波获取图像的全局信息，通过训练图像全局特征与目标位置得到的分布函数模拟图像中的目标对人眼注意的自顶向下的调制，提取强度，颜色，方向等特征模拟自底向上的调制，更准确的模拟了人眼搜索过程，同时在获取图像全局信息的过程中考虑了人眼的多尺度特性，更适合人眼视觉习惯，提高了结果的准确性。

主权项

一种目标搜索方法，包括对训练图像进行训练的步骤和对目标图像进行搜索的步骤，其中，对训练图像进行训练的步骤具体包括如下分步骤：S1.小波变换：对训练图像进行小波变换，分别获得每个训练图像的高频成分矩阵和低频成分矩阵；S2.高斯滤波：分别对每个训练图像高频成分矩阵和低频成分矩阵进行高斯滤波得到每个训练图像的高频全局特征和低频全局特征；S3.主分量提取：采用PCA算法分别提取训练图像的高频全局特征和低频全局特征的主分量；S4.确定分布函数：从训练图像中选取若干个图像，利用步骤S3得到的高频全局特征和低频全局特征的主分量与若干个图像的目标坐标，通过EM算法学习得到混合高斯函数的参数，确定分布函数。对目标图像进行搜索的步骤具体包括如下分步骤：S5.提取全局特征向量：对目标图像进行小波变换，分别获得目标图像的高频成分矩阵和低频成分矩阵；对获得的高频成分矩阵和低频成分矩阵进行高斯滤波得到目标图像的高频全局特征和低频全局特征；将得到的高频全局特征和低频全局特征分别映射到步骤S3得到的高频全局特征和低频全局特征的主分量，获得高频全局特征向量和低频全局特征向量；S6.获取目标分布图像：分别将步骤S5得到的高频全局特征向量和目标图像的坐标矩阵以及步骤S5得到的低频全局特征向量和目标图像的坐标矩阵输入到步骤S4得到的分布函数，确定高频分布矩阵和低频分布矩阵，将高频分布矩阵和低频分布矩阵进行叠加得到分布矩阵，将分布矩阵与目标图相乘得到目标分布图像；S7.特征提取：从步骤S6得到的目标分布图像提取两个颜色特征金字塔，强度特征金字塔以及四个方向特征金字塔；S8.特征叠加：对步骤S7得到的7个特征金字塔分别进行中央‑周边操作和规范化，得到7个子特征金字塔，分别对颜色，强度，方向的特征金字塔进行叠加，得到3个特征图，对得到的3个特征图进行规范化，然后对规范化后的3个特征图进行叠加，得到一幅显著图。