[发明专利]一种基于多特征整合视觉注意模型的景象匹配适配性分析方法

摘要

本发明提出的一种基于多特征整合视觉注意模型的景象匹配适配性分析方法，可以有效提高适配区提取的可靠性和景象匹配的精确性。本发明方案与传统方法相比，充分利用了视觉注意感知环境的高效性和可靠性，并在传统视觉注意模型中加入SURF不变特征，通过跨尺度特征图整合并与色彩、强度和方向等特征融合后构建多特征融合视觉注意模型，基于该模型对实时图提取显著区作为适配区域，能够有效提高适配性分析的可靠性，对于景象匹配实际工程应用具有非常重要的意义。

主权项

1.一种基于多特征整合视觉注意模型的景象匹配适配性分析方法，其内容包括以下步骤：步骤1、色彩、强度、方向的特征关注图提取；色彩通道的关注图提取：设广义调谐的红色、绿色、蓝色和黄色分别记为R、G、B和Y，在这些通道分别产生输入图像的金字塔式特征图，即R(σ)、G(σ)、B(σ)和Y(σ)；设c为高分辨率尺度，s为低分辨率尺度，δ为二者的尺度差值，中央–周边差异操作记为“”，在色彩通道的红绿、黄蓝两个子通道分别可以得到6张特征映射图，即和经过归一化运算N和跨尺度的点对点特征图取和操作，可以得到色彩通道的关注图，即C‾=⊕c-24⊕s-c+3c+4[N(RG(c,s))+N(BY(c,s))];]]>强度通道的关注图提取：强度可按I=(r+g+b)/3计算，产生强度通道的金字塔式特征图，记为I(σ)；利用中央–周边差异操作，获得强度特征的映射图，即其中，c={2,3,4}，s=c+δ，且δ∈{3,4}；经过归一化运算N和跨尺度的点对点特征图取和操作，可以得到强度通道的关注图，即I‾=⊕c-24⊕s-c+3c+4N(I(c,s));]]>方向通道的关注图提取：利用不同方向的Gabor滤波器与强度特征图I(σ)进行卷积，得到方向通道的多尺度金字塔O(σ，θ），其中，方向参数取为θ∈{0°，45°，90°，135°}；利用中央–周边差异操作，得到方向通道的特征映射图，即其中，c={2,3,4}，s=c+δ，且δ∈{3,4}；经过归一化运算N和跨尺度的点对点特征图取和操作，可以得到方向特征通道的关注图，即步骤2、SURF特征关注图提取：SURF通道的特征图提取。提取不同尺度图像的SURF特征图，对于尺度σ空间中每个像素位置(i,j)，其SURF特征用Surf(i，j，σ)表示：当位置(i,j)处存在SURF特征点时，有Surf(i,j,σ)＝1；当位置(i,j)处存在SURF特征点时，有Surf(i,j,σ)＝0；遍历金字塔每个尺度空间的图像的所有像素位置，得到SURF通道的特征图尺度参数为σ∈[0，…，8]，i＝1,…，m；j＝1，…，n，m和n分别为以像素为单位的图像的长和宽；SURF通道的关注图提取。首先，将SURF特征图S(σ)调整为与色彩特征通道的关注图具有同样的图像尺寸；然后，通过跨尺度的特征图整合获得SURF特征通道的关注图，这一操作实际计算的是跨尺度的SURF特征密度，即计算某像素位置(i,j)处各个尺度SURF特征图中SURF特征点的总个数，则SURF特征通道的关注图可以按照式S‾=Σσ-08S(σ)]]>计算；步骤3、基于视觉显著图的景象匹配适配性分析：A、视觉显著图计算。首先对强度、色彩、方向和SURF通道的关注图进行归一化处理N；然后，将四个特征通道的关注图进行加权融合，得到输入图像的视觉显著图S，即有S=14(N(I‾)+N(C‾)+N(O‾)+N(S‾));]]>B、视觉显著区域提取。通过输入图像各个区域在视觉显著图中的幅值之间相互“竞争”，幅值大的区域优先吸引注意焦点成为显著区；通过“抑制”当前显著区域，使注意力转向下一个幅值最大的区域，成为下一个显著区；重复竞争和抑制两步，直至找不到新的显著区为止，从而完成对图像所有视觉显著区域的提取；C、基于视觉显著图的景象匹配适配性分析，将需要进行景象匹配适配性分析的图像作为输入图像，完成视觉显著图计算和视觉显著区域提取；将这些显著区作为景象匹配适配区，此外，将显著图中显著性幅值的大小作为评价区域适配性能优劣的参考，可以辅助进行适配性分析。