[发明专利]一种基于多尺度区域融合的显著区域检测方法

摘要

本发明涉及一种基于多尺度区域融合的显著区域检测方法，其技术特征在于：首先计算图像的最佳颜色梯度与归一化梯度；然后用梯度索引遍历图像，把满足融合门限的像素对合并，得到第一个尺度的标签图像；再计算该标签图像的边缘梯度图；接着在各个尺度下迭代计算出多尺度标签图；然后利用互信息求出多尺度候选显著图；最后利用空间几何信息熵找出最优尺度，则该尺度下的候选显著图就是最终显著图。该方法概念简单，无需对图像数据提前训练，可以很容易地进行参数修改，处理速度快，极大的提高了显著区域检测的准确性和效率。本发明可以被广泛应用到计算机视觉与其他相关的图像处理问题中。

主权项

本发明涉及一种基于多尺度区域融合的显著区域检测方法，其特征在于步骤如下：步骤1)用一个标准差为1，3×3大小的高斯滤波器来平滑图像T。步骤2)计算图像T在x和y轴上的最佳颜色梯度和归一化梯度。2a)设置一个sobel算子大小为1×7，值为[‑1，9，‑45，0，45，‑9，1]/6·t，用于对图像求边缘响应。t为最小允许区域，取值10。2b)用步骤2a)设置的sobel算子对图像做卷积，分别得到RGB三个颜色通道的x轴梯度，将该算子转置后再对图像做卷积得到三个颜色通道的y轴梯度。2c)计算x轴和y轴的最佳颜色梯度I_x和I_y，计算方法是从三个通道中选取梯度值最大的通道，该通道的梯度即为图像在该轴上的最佳颜色梯度。2d)计算图像的归一化梯度：步骤3)定义尺度参数Q＝[1，2...，2ⁿ]，n取值从0到7，一共8个尺度。步骤4)求梯度索引index＝[I_y；I_x]_↓，该梯度索引的大小为l×1，计算方法是将y轴和x轴的最佳颜色梯度合并为一列，并降序排列。步骤5)用梯度索引依次遍历图像的所有4邻域像素对，满足融合门限的像素合并为一个区域，得到标签图。5a)建立邻域像素对p和p′，方法是p为T(index)，即用梯度索引的图像像素，p′是p的4‑邻域像素。5b)计算三个通道的邻域像素对的标准差：f_{R，G，B}(p，p′)＝|p‑p′|＝(p‑p′)²。5c)计算融合门限，该门限包含尺度参数，其表达形式为：$\sqrt{b^2\left(p\right)+b^2\left(p^{\′}\right)}=g^2\·(1/\left(2Q\right|p\left|\right))\ln \left(\right|p_{\left|p\right|}|/\mathrm{\δ})+g^2\·(1/\left(2Q\right|p^{\′}\left|\right))\ln \left(\right|p_{\left|p^{\′}\right|}^{\′}\left|\right)/\mathrm{\δ}$其中，g是图像最大像素值，取值256；而|p|是像素点p的像素值，|p_|p||＝(|p|+1)^min{|p|，g}；δ＝1/(6n²)，n是图像T的像素个数。5d)若三个通道的像素对标准差都小于其融合门限，即三个通道的像素对都满足条件，那么像素p和p′属于同一区域R，否则两像素分属不同区域。5e)重复步骤5a)‑5d)，执行l次邻域像素对，得到标签图L，该标签图L是由k个互相独立的连通区域{R₁，R₂...，R_k}所组成，标签图L所包含的标签值V＝[1，2，...，k]。步骤6)计算边缘梯度图，并建立新的领域像素对，具体计算步骤如下：6a)设置初始化边缘梯度图A，方法是设置一个大小为k×k，值为0的矩阵。6b)计算边缘梯度图A，方法是用标签图L上各个区域的边缘像素(u，v)所对应的标签值L(u，v)作为索引，将边缘梯度图A(L(u，v))的值用归一化梯度图的值I(u，v)来代替。6c)将边缘梯度图A中的非0像素值进行排序，得到边缘梯度索引index′。6d)建立新的邻域像素对p和p′，p是边缘梯度索引对应的标签值下的图像像素T(V(index′))，p′是p的四邻域像素。步骤7)重复执行步骤5b)‑6)，在新的尺度下计算新的标签图，一共执行Q次，可以得到Q个标签图{L₁，...L_Q}。步骤8)计算多尺度候选显著图{S₁，...S_Q}。方法是分别计算标签图L_Q中各连通区域{R₁，R₂...，R_k}与原图像的互信息，选出互信息最大的区域R，该区域所构成的图即该尺度下的候选显著图。步骤9)计算显著图S，方法是从多尺度候选显著图{S₁，...S_Q}中找到最优的尺度，该尺度下的候选显著图即为最终显著图。9a)定义各候选显著图抑制参数λ为：其中K是一个大小与S相同的2维高斯掩模，其方差σ_w＝W/4，σ_h＝H/4，W和H为图像T的宽和高，并且∑∑K(n，m)＝1，N(·)用来归一化S。9b)求解空间几何信息熵，其计算方法为：H_2D(S_Q)＝H{g_n*S_Q}，其中，H是一个二维熵，g_n为一个尺度ζ的低通高斯核，这里ζ是我们期望能够检测到的最小区域，ζ的取值范围为0.01·W到0.04·W。9c)计算最优尺度计算方法是用各候选显著图的空间几何信息熵除以对应尺度下的抑制参数，选择值最小的尺度，该尺度即为最优尺度。9d)在该尺度Q_P下的候选显著图即为最终显著图S。