[发明专利]一种视觉显著性目标的检测方法

摘要

本发明公开了一种视觉显著性目标的检测方法，其步骤是：(1)输入待检测图像，在基于Itti视觉注意力模型的基础上运用谱残差和频率调制模型来提取改进后的颜色，亮度和方向的显著性图；(2)通过k均值聚类得到各个通道显著性图像中显著性区域与非显著性区的对比差，获得各个通道显著性图像的最优权值；(3)对各个通道的显著性图像加权，得到原始图像的显著性图，该显著性图的显著性区域即为目标区域。本发明能够改善现有视觉注意力模型的不足，有效地突出显著性区域和抑制非显著性区域，从而更好的模拟人类视觉注意力对自然场景目标的定位。

主权项

1.一种视觉显著性目标的检测方法，其特征在于：包括如下步骤：步骤1将原始图像分为三个特征通道，包括颜色，亮度和方向通道图像；步骤2提取颜色通道的显著性图像：将颜色通道分为三个部分，分别是亮度部分、RG颜色部分和BY颜色部分；步骤2.1对步骤2中亮度部分、RG部分和BY部分分别运用Itti视觉注意力模型进行多分辨率分解，用中央—周边算子，突出各个特征图的显著部分和跨尺度合并，归一化后得到颜色通道的三个部分的显著性初次提取显著性图；步骤2.2对步骤2.1中进行初次提取的亮度、RG和BY显著性图像进行重构，构成RGB图像；步骤2.3运用频率调制模型对于重构后的RGB图像进行显著性的再次提取，得到颜色通道的显著性图C；步骤3提取步骤1中亮度和方向通道的显著性图像；步骤3.1对步骤3中亮度和方向通道的显著性图像分别做傅里叶变换，得到其各自的谱残差R(f)和相位谱p(f)，再将谱残差R(f)和相位谱p(f)做二维离散傅里叶反变换，从而得到亮度和方向两个通道上的原始图像显著性初次提取的显著性图；步骤3.2对步骤3.1亮度和方向两个通道上初次提取的显著性图运用Itti视觉注意力模型对所得的显著性图分别进行多分辨率分解，再用中央—周边算子，突出各个特征图的显著部分和跨尺度合并，归一化后得到亮度和方向两个通道上的显著性的再次提取的显著性图B，D；步骤4对步骤2.3得到的颜色通道的显著性图C、步骤3.2得到的亮度和方向两个通道上的显著性图B，D进行显著性区域的再提取，以突出显著的特征；步骤5运用k均值聚类的算法将三个通道的显著性图像C、B、D中每幅显著性图像均聚为两类，即为显著性区域和非显著性区域，计算显著性区域centroid1和非显著性区域centroid2的对比差，公式为：compare＝|centroid1‑centroid2|其中，颜色、亮度、方向通道的对比差分别为compare(1)、compare(2)、compare(3)；权值公式为：其中，x取值为1、2、3；步骤6利用步骤5得到的各个通道的权值，对三个通道的显著性图像进行线性加和，从而得到原始图像的显著性图，公式为：SD＝weight(1)×C+weight(2)×B+weight(3)×D其中，C为颜色通道的显著性图，B为亮度通道的显著性图，D为方向通道的显著性图，SD为原始图像显著性图像。