[发明专利]复杂自然环境下感兴趣区域的检测方法

摘要

本发明涉及一种基于低层次图像信息和中层次图像信息相结合的自底向上的感兴趣区域(Region of Interest，简称ROI)检测方法，该方法首先采用Harris算子检测角点进而得到凸包边界，利用凸包区域与超像素聚类结果计算中层次信息显著图；然后将图像从RGB空间转换到CIELab空间，使用高斯差分滤波器对图像进行滤波，得到低层次信息显著图；最后将低层次图像信息与中层次图像信息进行加权融合得到图像的显著图。本发明采用将超像素聚类计算的中层次图像信息与差分滤波器滤波计算的低层次图像信息相结合的方法，实现了对复杂自然环境下的感兴趣区域的准确定位，检测得到的感兴趣物体边缘清晰，同时有效地抑制背景噪声，适用性强。

主权项

复杂自然环境下感兴趣区域检测方法，所述方法包括下列步骤：步骤1：输入自然图像，利用Harris算子检测彩色图像的角点，去除距离图像边界5个像素内的角点，对得到的彩色角点进行Delaunay三角剖分，取其最外围索引作为包含了所有彩色角点的凸包边界，使用凸包边界包围所有剩余角点，得到凸包区域；步骤2：采用SLIC超像素分割算法对图像进行分割，使用k均值算法对超像素进行聚类，聚类得到的区域与凸包区域相重合的像素数目与该像素所在的聚类区域的像素数总和之比就是该像素显著度的先验概率，从而获得中层次信息显著图Salm，其公式为：Salm=|cluster∩hull||cluster|]]>其中，cluster为聚类中类内的像素个数，hull为凸包区域包含的像素个数；步骤3：计算低层信息显著图Sall，包括以下步骤：步骤3‑1：使用高斯差分滤波器DoG对原图像I进行滤波后得到图像If，其公式为：If(x，y)＝I(x，y)*DoG(x，y)其中DoG(x,y)=G(x,y,σ12)-G(x,y,σ22)]]>G(x,y,σi2)=12πσi2e-(x2+y2)2σi2,i=1,2]]>σ1、σ2表示高斯标准差，带宽为1.6，即σ1∶σ2＝1.6；步骤3‑2：滤波后的图像If转化到CIELab空间，得到CIELab空间的三个分量l、a、b；步骤3‑3：计算CIELab空间中l、a、b各个通道的所有像素点均值Im、am、bm；步骤3‑4：计算低层信息显著图Sall，其公式为：Sall＝(l‑lm)2+(a‑am)2+(b‑bm)2步骤4：将中层次信息显著图和低层次信息显著图进行加权融合得到感兴趣区域Sal，其计算公式为：Sal＝α·Salm+(1‑α)·Sall其中α为权重因子，α＝0.5。