[发明专利]一种联合多种上下文线索的图像关注区域检测方法

摘要

本发明涉及一种联合多种上下文线索的图像关注区域检测方法，首先在大规模图像数据集上构建树状结构的层次化上下文模型，其中对每一个叶子节点都生成混合高斯模型，用于涵括特定类型场景下对象及其位置关系的先验知识。对于和某类型场景具有相似空间布局的测试图像，先找到与该场景类型对应的预先训练好的混合高斯模型，用作图像外部线索模型，并结合图像内部上下文特征来联合计算图像的显著性。此外，由于人眼的注意力能很快地在不同刺激位置快速转换，为更好的判断能被人眼快速捕捉到的图像块的显著性，本发明采用马尔可夫链机制构建刺激驱动的注意力转换模型。本发明可以广泛应用于计算机视觉显著性领域对真实世界进行认知、分析和理解。

主权项

一种联合多种上下文线索的图像关注区域检测方法，其特征在于该方法包括以下步骤：步骤(1)构造出大规模图像数据集，该数据集涵括多种图像场景类别，并对图像数据集进行预处理；步骤(2)利用层次聚类算法，判别数据集中的场景类别，构建出树状结构的层次化上下文模型；步骤(3)对图像内部上下文线索进行处理，得到图像的内部特征:颜色特征、对比度特征、位置特征；步骤(4)构建混合高斯模型，用于表征指定图像场景中类别对象及其位置关系的先验知识，用作图像外部上下文特征；步骤(5)利用图像内部特征，结合图像内部上下文线索，检测图像内部视觉刺激信号；步骤(6)考虑相同类别图像场景的上下文信息，利用混合高斯模型，结合图像外部上下文线索，检测外部图像视觉刺激信号；步骤(7)联合图像内部、外部上下文线索检测到的刺激信号，并用马尔可夫链机制构建视觉刺激信号驱动的图像显著性估计。