[发明专利]一种图像显著图提取方法

摘要

本发明公开了一种图像显著图提取方法，其首先提取源图像中的每个像素点的颜色特征矢量、纹理特征矢量和紧密度特征值，然后采用超像素分割技术对源图像进行分割，并利用各个区域的颜色特征矢量、纹理特征矢量和紧密度特征值来构造有向的图谱，最后计算得到图谱的转移矩阵，得到最终的图像显著图；优点是获得的图像显著图能够较好地反映图像的显著变化情况，符合图像显著语义的特征。

主权项

一种图像显著图提取方法，其特征在于包括以下步骤：①将待处理的源图像记为{I_i(x,y)}，其中，i=1,2,3，1≤x≤W，1≤y≤H，W表示{I_i(x,y)}的宽，H表示{I_i(x,y)}的高，I_i(x,y)表示{I_i(x,y)}中坐标位置为(x,y)的像素点的第i个分量的颜色值，第1个分量为R分量、第2个分量为G分量、第3个分量为B分量；②将{I_i(x,y)}从RGB颜色空间转换到CIELAB颜色空间；然后获取{I_i(x,y)}中的每个像素点的颜色特征矢量，将{I_i(x,y)}中坐标位置为(x,y)的像素点的颜色特征矢量记为c(x,y)，c(x,y)=[L(x,y),a(x,y),b(x,y)]；再将由{I_i(x,y)}中的所有像素点的颜色特征矢量构成的集合作为{I_i(x,y)}的颜色特征矢量，记为{c(x,y)}；其中，c(x,y)的维数为3，符号“[ ]”为矢量表示符号，L(x,y)、a(x,y)和b(x,y)对应表示{I_i(x,y)}中坐标位置为(x,y)的像素点从RGB颜色空间转换到CIELAB颜色空间后亮度分量L的颜色值、色度分量a的颜色值及色度分量b的颜色值；③采用Log‑Gabor滤波器对{I_i(x,y)}进行滤波处理，得到{I_i(x,y)}中的每个像素点在不同中心频率和不同方向因子下的频率响应的振幅；然后获取{I_i(x,y)}中的每个像素点的纹理特征矢量，将{I_i(x,y)}中坐标位置为(x,y)的像素点的纹理特征矢量记为t(x,y)，t(x,y)=[G(x,y;ω,θ)|ω∈{1.74,2.47,3.49},1≤θ≤8]；再将由{I_i(x,y)}中的所有像素点的纹理特征矢量构成的集合作为{I_i(x,y)}的纹理特征矢量，记为{t(x,y)}；其中，t(x,y)的维数为24，符号“[ ]”为矢量表示符号，G(x,y;ω,θ)表示{I_i(x,y)}中坐标位置为(x,y)的像素点在中心频率为ω和方向因子为θ下的频率响应的振幅，ω表示Log‑Gabor滤波器的中心频率，ω∈{1.74,2.47,3.49}，θ表示Log‑Gabor滤波器的方向因子，1≤θ≤8；④采用超像素分割技术将{I_i(x,y)}分割成M个互不重叠的区域，然后将{I_i(x,y)}重新表示为M个区域的集合，记为{SP_h}，其中，M≥1，SP_h表示{SP_h}中的第h个区域，1≤h≤M；⑤采用K均值聚类方法分别对{c(x,y)}和{t(x,y)}进行聚类操作，然后通过获取{c(x,y)}对应的每个聚类的基于颜色特征的紧密度特征值和{t(x,y)}对应的每个聚类的基于纹理特征的紧密度特征值，得到{I_i(x,y)}中的每个像素点的紧密度特征值，再将由{I_i(x,y)}中的所有像素点的紧密度特征值构成的集合作为{I_i(x,y)}的紧密度特征值，记为{comp(x,y)}，其中，K≥1，comp(x,y)表示{I_i(x,y)}中坐标位置为(x,y)的像素点的紧密度特征值；⑥根据{SP_h}、{c(x,y)}、{t(x,y)}和{comp(x,y)}，构造一个有向的图谱G(V,E)，其中，V表示G(V,E)中的所有节点构成的集合，V={V_h}，V_h表示G(V,E)中的第h个节点，且V_h代表{SP_h}中的第h个区域，E表示G(V,E)中的所有边缘构成的集合，E={ω_hg}，ω_hg表示G(V,E)中的第h个节点与第g个节点构成的边缘，且ω_hg表示G(V,E)中的第h个节点与第g个节点之间的距离，1≤h≤M，1≤g≤M，h≠g；然后根据G(V,E)中的不同节点之间的距离，获取G(V,E)的转移矩阵，记为P，其中，P的维数为M×M；⑦通过对P进行矩阵分解，获取{SP_h}中的每个区域的显著值，然后将{SP_h}中的每个区域的显著值作为对应区域中的所有像素点的显著值，得到{I_i(x,y)}的图像显著图，记为{Sal(x,y)}，其中，Sal(x,y)表示{Sal(x,y)}中坐标位置为(x,y)的像素点的像素值，亦表示{I_i(x,y)}中坐标位置为(x,y)的像素点的显著值。