一種圖像顯著性的檢測(cè)方法
【專利摘要】本發(fā)明涉及一種圖像顯著性的檢測(cè)方法，該方法包括：對(duì)輸入圖像進(jìn)行格式轉(zhuǎn)換，得到灰度圖像和Lab格式圖像；計(jì)算灰度圖像每一個(gè)像素點(diǎn)的灰度特征值，并計(jì)算灰度特征均值A(chǔ)vgH；計(jì)算Lab格式圖像的L、A和B三個(gè)分量，并計(jì)算這三個(gè)分量值的平均值和特征值；將所得每個(gè)特征值與其均值的歐氏距離作為該像素的顯著性值，最后將所有像素的顯著性值轉(zhuǎn)化為灰度圖像構(gòu)造顯著性圖。本發(fā)明方法復(fù)雜度低、簡單易行，可操作性強(qiáng)，相比現(xiàn)有圖像顯著性檢測(cè)方法的表現(xiàn)結(jié)果更好。本發(fā)明方法可用于提取場(chǎng)景圖像中人們感興趣的區(qū)域，特別是敦煌壁畫初始輪廓信息，為敦煌壁畫初期結(jié)構(gòu)識(shí)別提供有效技術(shù)支持。
【專利說明】一種圖像顯著性的檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像的感興趣區(qū)域處理，具體地指一種圖像顯著性的檢測(cè)方法，屬于圖像處理領(lǐng)域。
【背景技術(shù)】
[0002]隨著信息技術(shù)的快速發(fā)展，圖像數(shù)據(jù)已經(jīng)成為主要的信息來源之一，而日益增長的數(shù)據(jù)處理需求必然要求提高信息處理效率。人類具有快速搜索到感興趣區(qū)域的能力，即使在不斷變化的環(huán)境中也能迅速覺察到那些重要的信息并及時(shí)做出反應(yīng)，這種具有選擇能力和主動(dòng)能力的活動(dòng)就是注意機(jī)制。在圖像處理任務(wù)中所關(guān)心的內(nèi)容通常僅是原始圖像中很小的一部分，因此，有必要將最高的處理優(yōu)先級(jí)賦予最顯著的圖像區(qū)域，這樣既可以降低計(jì)算過程的復(fù)雜度，又能夠減少不必要的計(jì)算浪費(fèi)。敦煌壁畫是敦煌藝術(shù)的主要組成部分，規(guī)模巨大，技藝精湛，它的內(nèi)容豐富多彩，風(fēng)格迥異。不同時(shí)期敦煌壁畫的飛天文化元素具有不同的時(shí)代特點(diǎn)，挖掘這些文化特征對(duì)于文化遺產(chǎn)的數(shù)字化保護(hù)具有重要意義。由于敦煌壁畫本身數(shù)據(jù)的復(fù)雜性，不可能對(duì)每個(gè)細(xì)節(jié)部分進(jìn)行特征提取，只能選擇性地獲取飛天文化元素的特征，進(jìn)而提取不同時(shí)期飛天文化元素的結(jié)構(gòu)模式，而在智能圖像處理任務(wù)中模擬人類的注意選擇機(jī)制能夠很好地解決這一問題。
[0003]到目前為止，關(guān)于視覺注意機(jī)制和視覺顯著性檢測(cè)的研究仍然是國內(nèi)外研究熱點(diǎn)，已經(jīng)產(chǎn)生了多種視覺注意計(jì)算模型進(jìn)而視覺顯著性處理方法。這些模型所描述的視覺注意模式或處理方法不盡相同，在實(shí)際應(yīng)用中都各有側(cè)重，處理過程基本上都是圖像采樣、特征提取、顯著性度量、注意目標(biāo)的檢測(cè)和選擇等基本環(huán)節(jié)。
[0004]將視覺顯著性模型應(yīng)用到敦煌壁畫飛天文化元素特征提取的一個(gè)主要原因，就是考慮到視覺顯著性模型能夠很快定位到人們所關(guān)注的重要區(qū)域，而對(duì)這些重要區(qū)域進(jìn)行處理和分析，一方面提高了計(jì)算機(jī)處理效率，另一方面對(duì)于研究提取不同時(shí)期飛天文化元素的結(jié)構(gòu)模式具有重要意義。
[0005]對(duì)圖像視覺顯著性區(qū)域檢測(cè)的研究，目前國內(nèi)外的研究機(jī)構(gòu)和大學(xué)已經(jīng)做了大量的研究工作，并取得了一定的科研成果。Treisman和Gelade、Koch和Ullman的早期工作以及之后Itt1、Wolfe等其他研究者提出的視覺注意理論將視覺注意的過程分為了兩個(gè)階段:基于自底向上的、獨(dú)立于特定任務(wù)、快速的顯著性區(qū)域檢測(cè)和基于自頂向下、有意識(shí)的、慢速的顯著性區(qū)域檢測(cè)。Koch和Ullman早期提出的生物學(xué)視覺注意模型以及其他幾個(gè)基本的模型主要模擬人類視覺系統(tǒng)，對(duì)于顯著性區(qū)域檢測(cè)和提取問題提出了一些初步的設(shè)想，基于此Itti等人提出的跨尺度中心-周邊算子模型用于提取圖像顯著性區(qū)域。
[0006]按照對(duì)比度區(qū)域可以將顯著性估計(jì)方法分為局部對(duì)比度和全局對(duì)比度?；诰植繉?duì)比度的方法利用區(qū)域相對(duì)于圖像局部領(lǐng)域的稀有度。Itti等人通過圖像中心-周圍的局部差異來獲得，Ma和Zhang同樣使用了局部對(duì)比度的方法結(jié)合模糊增長模型進(jìn)行了擴(kuò)展。Harel提出的基于圖論的方法通過局部歸一化來突出顯著部分。Goferman等人同時(shí)對(duì)局部底層線索、全局考慮、視覺組織規(guī)則以及表層特征進(jìn)行建模來突出顯著性物體。利用局部對(duì)比度來進(jìn)行圖像顯著性處理偏向于使用圖像局部特征，比如邊緣的顯著性等來產(chǎn)生高顯著性值。
[0007]基于純計(jì)算模型而不是基于生物視覺理論的算法最近幾年提出了很多，一般有基于局部對(duì)比的算法、基于信息論的算法、基于頻譜分析的算法、基于全局對(duì)比度的算法等，這些顯著性檢測(cè)方法對(duì)于特定應(yīng)用，例如目標(biāo)跟蹤、感興趣區(qū)域提取、圖像視頻語義信息挖掘，都得到了較好的應(yīng)用，但是對(duì)于敦煌壁畫的顯著性檢測(cè)處理效果不是很理想，主要原因是敦煌壁畫數(shù)據(jù)量大、顏色信息豐富、歷史悠久，導(dǎo)致圖像前景和背景區(qū)分度比較低，因此需要提出適合于敦煌壁畫的顯著性檢測(cè)方法，深入挖掘壁畫創(chuàng)作初期，敦煌壁畫供養(yǎng)人是如何對(duì)敦煌壁畫的線條及其顏色進(jìn)行構(gòu)思的，這就是本發(fā)明的主要研究背景。

【發(fā)明內(nèi)容】

[0008]本發(fā)明目的在于克服上述現(xiàn)有技術(shù)的不足而提供一種圖像顯著性的檢測(cè)方法，該方法包括:
[0009]對(duì)輸入圖像進(jìn)行格式轉(zhuǎn)換，得到灰度圖像和Lab格式圖像；
[0010]對(duì)上述灰度圖像，根據(jù)灰度特征函數(shù)，計(jì)算出每一個(gè)像素點(diǎn)(i，j)的灰度特征值H(i，j)，并由此計(jì)算灰度圖像每個(gè)像素點(diǎn)的灰度特征值的平均值，得到所述灰度圖像的灰度特征均值A(chǔ)vgH ；
[0011]對(duì)上述Lab格式圖像進(jìn)行L、A和B三個(gè)分量的計(jì)算，得到每一個(gè)像素點(diǎn)(i，j)亮度分量值L (i，j)，顏色分量值A(chǔ) (i，j)和B(i，j);然后對(duì)亮度分量值L (i，j)、顏色分量值A(chǔ)(i, j)和B(i，j)進(jìn)行高斯模糊得到每一個(gè)像素點(diǎn)的亮度值GYL(i，j)、顏色值GYA(i，j)和GYB(i, j);再計(jì)算這三個(gè)分量值的平均值，得到所述輸入圖像的亮度均值A(chǔ)vgL、顏色均值A(chǔ)vgA和AvgB ;根據(jù)亮度值GYL (i，j)、顏色值GYA (i，j)和GYB (i，j)以及亮度均值A(chǔ)vgL、顏色均值A(chǔ)vgA和AvgB，計(jì)算得到Lab格式圖像亮度和顏色分量的特征值；
[0012]將所述每個(gè)特征值與其均值的歐氏距離作為該像素的顯著性值，最后將所有像素的顯著性值轉(zhuǎn)化為灰度圖像構(gòu)造顯著性圖。
[0013]本發(fā)明方法的算法復(fù)雜度低、簡單易行，可操作性強(qiáng)，相比現(xiàn)有圖像顯著性檢測(cè)方法的表現(xiàn)結(jié)果更好，因此，本發(fā)明方法可用于提取場(chǎng)景圖像中人們感興趣的區(qū)域，特別是敦煌壁畫初始輪廓信息，為敦煌壁畫初期結(jié)構(gòu)識(shí)別提供有效技術(shù)支持。
【專利附圖】

【附圖說明】
[0014]圖1為本發(fā)明圖像顯著性的檢測(cè)方法的流程圖。
[0015]圖2為采用現(xiàn)有圖像顯著性檢測(cè)方法與本發(fā)明方法進(jìn)行圖像顯著性檢測(cè)后的圖像對(duì)比圖。
[0016]圖3為采用現(xiàn)有圖像顯著性檢測(cè)方法與本發(fā)明方法進(jìn)行圖像顯著性檢測(cè)后的ROC曲線(Receiver Operating Characteristic Curve)對(duì)比圖。圖中，曲線 I ?6 分別為 HIG方法、HC方法、IG方法、LC方法、RC方法、SR方法的ROC曲線。
【具體實(shí)施方式】
[0017]下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。[0018]如圖1所示,本發(fā)明圖像顯著性的檢測(cè)方法，即HIG (Histogram combined withImage average and Gaussian blur的簡稱)方法，包括以下步驟:
[0019]S100、輸入原始圖像，本實(shí)施例以敦煌圖像為例進(jìn)行詳細(xì)說明。
[0020]S200、對(duì)敦煌圖像進(jìn)行轉(zhuǎn)換得到灰度圖像，對(duì)得到的灰度圖像進(jìn)行以下操作:
[0021]S201、對(duì)灰度圖像根據(jù)灰度特征函數(shù)計(jì)算出每一個(gè)像素點(diǎn)(i，j)的灰度特征值H(i, j)，具體根據(jù)下式灰度特征函數(shù)進(jìn)行計(jì)算:
【權(quán)利要求】
1.一種圖像顯著性的檢測(cè)方法，其特征在于，包括: 對(duì)輸入圖像進(jìn)行格式轉(zhuǎn)換，得到灰度圖像和Lab格式圖像； 對(duì)上述灰度圖像，根據(jù)灰度特征函數(shù)，計(jì)算出每一個(gè)像素點(diǎn)(i，j)的灰度特征值H(i，j)，并由此計(jì)算灰度圖像每個(gè)像素點(diǎn)的灰度特征值的平均值，得到所述灰度圖像的灰度特征均值A(chǔ)vgH ； 對(duì)上述Lab格式圖像進(jìn)行L、A和B三個(gè)分量的計(jì)算，得到每一個(gè)像素點(diǎn)(i，j)亮度分量值L(i，」)，顏色分量值々(1，j)和B(i，j);然后對(duì)亮度分量值L (i，」)、顏色分量值々(1，j)和B(i, j)進(jìn)行高斯模糊得到每一個(gè)像素點(diǎn)的亮度值GYL(i，j)、顏色值GYA(i，j)和GYB(i，j)；再計(jì)算這三個(gè)分量值的平均值，得到所述輸入圖像的亮度均值A(chǔ)vgL、顏色均值A(chǔ)vgA和AvgB ;根據(jù)亮度值GYL(i，j)、顏色值GYA(i，j)和GYB(i，j)以及亮度均值A(chǔ)vgL、顏色均值A(chǔ)vgA和AvgB,計(jì)算得到Lab格式圖像亮度和顏色分量的特征值； 將所述每個(gè)特征值與其均值的歐氏距離作為該像素點(diǎn)的顯著性值，最后將所有像素的顯著性值轉(zhuǎn)化為灰度圖像構(gòu)造顯著性圖。
2.根據(jù)權(quán)利要求1所述圖像顯著性的檢測(cè)方法，其特征在于:所述灰度特征值H(i，j)根據(jù)下式灰度特征函數(shù)計(jì)算:
3.根據(jù)權(quán)利要求2所述圖像顯著性的檢測(cè)方法，其特征在于所述灰度圖像的灰度均值A(chǔ)vgH根據(jù)下式計(jì)算:
4.根據(jù)權(quán)利要求1所述圖像顯著性的檢測(cè)方法，其特征在于所述Lab格式圖像的亮度均值A(chǔ)vgL、顏色均值A(chǔ)vgA和顏色均值A(chǔ)vgB分別根據(jù)下式計(jì)算:
5.根據(jù)權(quán)利要求4所述圖像顯著性的檢測(cè)方法，其特征在于所述像素點(diǎn)(i，j)顯著性值由下式表示:
【文檔編號(hào)】G06T7/00GK103714537SQ201310704036
【公開日】2014年4月9日 申請(qǐng)日期:2013年12月19日 優(yōu)先權(quán)日:2013年12月19日
【發(fā)明者】熊盛武, 陳忠, 方志祥, 于笑寒, 王寶林 申請(qǐng)人:武漢理工大學(xué)