[发明专利]基于模糊估计融合的图像显著性检测方法

摘要

本发明提供一种基于模糊估计融合的图像显著性检测方法，包括低层视觉特征获取阶段与模糊度特征应用阶段，所述低层视觉特征获取阶段输入待检测的图像，利用经典的自底向上的显著性检测算法对图像进行检测，并将检测得到的显著性特征图作为待检测图像的低层视觉特征获取结果。所述模糊度特征应用阶段，首先输入多组训练图像块，训练稀疏字典；随后利用模糊估计的方式模拟摄影师拍摄时的心理特征并对其进行量化，将量化结果用于指导不同机制下的显著性信息的融合，获取最终的图像显著性检测结果，以提高显著性检测精度。本发明所得到的图像显著性检测结果更加符合人类视觉显著性检测模式。同时，具有更好的鲁棒性与更高的检测精度。

主权项

1.一种基于模糊估计融合的图像显著性检测方法，其特征在于：包括低层视觉特征获取阶段与模糊度特征应用阶段；所述低层视觉特征获取阶段包含以下步骤，步骤1.1，输入待检测的测试图像，步骤1.2，根据步骤1.1输入的测试图像，利用自底向上的图像显著性检测算法获取图像的低层视觉特征，生成待检测图像对应的低层视觉的显著性特征图，用S_B表示；所述模糊度特征应用阶段包含以下步骤：步骤2.1，输入多组训练图像块，每组训练图像块包括聚焦的图像块P_f与散焦的图像块P_d；步骤2.2，对于输入的各训练图像组Y＝{y₁，...，y_n}，进行向量化，y₁，...，y_n表示一个训练图像组中的具体图像块，n表示一个训练图像组中图像块的数量；并训练稀疏字典D使得输入数据能够被表示成为如下公式，其中，x_i表示的是利用不同字典原子相融合来拟合图像y_i时不同原子的权重参数，k表示x_i稀疏程度的值；步骤2.3，对于步骤2.2所得稀疏字典D，读取步骤1.1输入的待检测的图像数据信息进行计算，获得模糊估计图S_D；步骤2.4，绘制步骤2.3所得模糊估计图S_D所对应的灰度直方图H_D，并根据灰度直方图分析得到模糊估计图的最大值I_max与最小值I_min；步骤2.5，利用步骤2.4所得模糊估计图S_D的最大值I_max与最小值I_min计算图像的Michelson对比度C，计算公式如下，步骤2.6，对于步骤2.5计算得到的Michelson对比度C，利用如下公式映射到预设范围以内，其中，λ为摄影师拍摄意图参数，参数a和参数b的取值与预设范围相应；步骤2.7，根据步骤2.3所得模糊估计图S_D，获取待检测图像中的聚焦区域，用聚焦区域的局部最大值点作为视觉定位点F_i，对于每一个视觉定位点进行高斯平滑处理，得到基于视觉定位点F_i的视觉密度图D_i，将所有视觉定位点F_i对应的视觉密度图D_i叠加得到基于模糊估计融合的显著性特征图，记为高层视觉的显著性特征图S_T；步骤2.8，利用步骤2.6所得摄影师拍摄意图参数λ，将其作为融合权重，指导不同机制下显著性特征图的融合，融合公式如下所示，S＝(1‑λ)S_B+λS_T其中，S表示得到的图像显著性检测结果，S_B为低层视觉的显著性特征图，S_T为高层视觉的显著性特征图。