一種基于局部結(jié)構(gòu)檢測和對比度的視覺顯著圖生成方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明實施例涉及圖像處理技術(shù)，尤其涉及一種基于局部結(jié)構(gòu)檢測和對比度的視 覺顯著圖生成方法。
【背景技術(shù)】
[0002] 目前圖像的視覺顯著性檢測方法主要分為兩大類：數(shù)據(jù)驅(qū)動的自底向上模型和 任務(wù)驅(qū)動的自頂向下模型。任務(wù)驅(qū)動模型的思想是利用已知任務(wù)的先驗知識對特定對象 在場景中進(jìn)行視覺搜索，提取相應(yīng)的顯著特征，計算得到的顯著圖都是與具體的任務(wù)相關(guān)。 數(shù)據(jù)驅(qū)動的自底向上模型所定義的顯著性是指圖像中具有差異性、不可預(yù)測性、稀少性和 奇異性的對象，其采取的思路是提取圖像的底層特征，如亮度、顏色、紋理等，進(jìn)而通過"中 心-周圍"算子的差異性來衡量局部區(qū)域的顯著度，最后合并所有的特征形成以灰度表示的 顯著圖。
[0003] 現(xiàn)有的基于底層特征進(jìn)行顯著性檢測的方法主要是依賴于像素點（或區(qū)域）間的 相互對比，對空間關(guān)系的引入不合理，以及缺乏對顯著目標(biāo)自身特性的分析和利用。

【發(fā)明內(nèi)容】

[0004] 針對上述問題和不足，本發(fā)明提供一種基于局部結(jié)構(gòu)檢測和對比度的視覺顯著圖 生成方法，以生產(chǎn)全分辨率顯著圖，使得所獲得的顯著圖更加突出了目標(biāo)區(qū)域，抑制了背景 區(qū)域的干擾。
[0005] 本發(fā)明提供一種基于局部結(jié)構(gòu)檢測和對比度的視覺顯著圖生成方法，包括：
[0006] 對原始圖像進(jìn)行局部結(jié)構(gòu)特征分析，以獲取原始圖像中目標(biāo)區(qū)域和背景區(qū)域的分 布f目息；
[0007] 根據(jù)所述背景區(qū)域的分布信息，計算所述原始圖像中各像素點的顏色特征與所述 背景區(qū)域顏色均值之間的顏色距離值，并基于計算結(jié)果生成原始圖像的初始顯著圖；
[0008] 根據(jù)所述目標(biāo)區(qū)域的分布信息，計算所述原始圖像中各像素點與所述目標(biāo)區(qū)域的 質(zhì)心坐標(biāo)之間的空間距離，并基于計算結(jié)果生成所述原始圖像中各像素點的位置關(guān)系權(quán)重 值；
[0009] 根據(jù)所述原始圖像中各像素點的位置關(guān)系權(quán)重值對所述初始顯著圖進(jìn)行優(yōu)化以 生成所述原始圖像的優(yōu)化顯著圖。
[0010] 具體地，在上述方案的基礎(chǔ)上，所述對原始圖像進(jìn)行局部結(jié)構(gòu)特征分析，以獲取原 始圖像中目標(biāo)區(qū)域和背景區(qū)域的分布信息包括：
[0011] 步驟1、對輸入的原始圖像進(jìn)行灰度變換提取灰度特征，并對所述原始圖像進(jìn)行分 塊操作，計算以所述原始圖像中某一像素點為中心的NXN鄰域圖塊的一階局部梯度向量 fp.
[0012] 步驟2、定義所述鄰域圖塊的局部結(jié)構(gòu)張量，即局部梯度協(xié)方差矩陣T= /識，計 算所述局部梯度協(xié)方差矩陣的特征值A(chǔ)i和入2;
[0013] 步驟3、若max(人丨，人2)彡人則所述像素點屬于目標(biāo)區(qū)域，若max(人丨，人2) <入 則所述像素點屬于背景區(qū)域，其中A為預(yù)設(shè)的經(jīng)驗閾值；
[0014] 采用步驟1~步驟3遍歷分析所述原始圖像中所有像素點以獲取原始圖像中目標(biāo) 區(qū)域和背景區(qū)域的分布信息。
[0015] 具體地，在上述方案的基礎(chǔ)上，所述對輸入的原始圖像進(jìn)行灰度變換提取灰度特 征之后，對所述原始圖像進(jìn)行分塊操作之前，還包括：
[0016] 采用高斯濾波方法減少所述原始圖像的噪聲。
[0017] 具體地，在上述方案的基礎(chǔ)上，所述N為40,經(jīng)驗閾值A(chǔ)設(shè)定為5X104。
[0018] 具體地，在上述方案的基礎(chǔ)上，所述根據(jù)所述背景區(qū)域的分布信息，計算所述原始 圖像中各像素點的顏色特征與所述背景區(qū)域顏色均值之間的顏色距離值，并基于計算結(jié)果 生成原始圖像的初始顯著圖包括：
[0019] 提取所述原始圖像在CIELab顏色空間的三個顏色通道特征，以每個像素點所對 應(yīng)的1，a，b顏色特征分量作為所述像素點的顏色特征C= (1，a,b);
[0020] 根據(jù)所述原始圖像中目標(biāo)區(qū)域和背景區(qū)域的分布信息建立二值化掩膜Smask，其中 背景區(qū)域設(shè)為〇,目標(biāo)區(qū)域設(shè)為1，利用所述掩膜Smask計算所述背景區(qū)域中所有像素點的顏 色均值Cm= (1 m,am,bm);
[0021] 以所述背景區(qū)域中所有像素點的顏色均值作為參考衡量標(biāo)準(zhǔn)，計算所述原始圖像 中所有像素點的顏色特征與所述顏色均值之間的歐氏距離dMlOT= | |C-Cm| |，并以所述歐氏 距離作為全局顏色對比度顯著性度量值；
[0022] 根據(jù)所述全局顏色對比度顯著性度量值生成原始圖像的初始顯著圖。
[0023] 具體地，在上述方案的基礎(chǔ)上，所述根據(jù)所述目標(biāo)區(qū)域的分布信息，計算所述原始 圖像中各像素點與所述目標(biāo)區(qū)域的質(zhì)心坐標(biāo)之間的空間距離，并基于計算結(jié)果生成所述原 始圖像中各像素點的位置關(guān)系權(quán)重值包括：
[0024] 根據(jù)所述目標(biāo)區(qū)域的分布信息，定義所述原始圖像中目標(biāo)區(qū)域的質(zhì)心位置Pm= (xm，ym)，即目標(biāo)區(qū)域的像素點坐標(biāo)均值；
[0025] 以所述質(zhì)心位置為參考點，計算每個像素點的空間距離度量關(guān)系dp()sitim= |P-Pm| |。其中P為某個像素點的坐標(biāo)值；
[0026]生成每個像素點的空間關(guān)系權(quán)重值w=exp(-1/2 〇dp()siti(J，其中。為衡量空間 距離權(quán)重對顯著度的影響因子。
[0027] 具體地，在上述方案的基礎(chǔ)上，根據(jù)所述原始圖像中各像素點的位置關(guān)系權(quán)重值 對所述初始顯著圖進(jìn)行優(yōu)化以生成所述原始圖像的優(yōu)化顯著圖包括：
[0028]定義優(yōu)化公式SQptiniizatim=log(l+wdeQlJ，其中SQptiDlizatim為優(yōu)化的顯著性檢測結(jié) 果，w為空間位置關(guān)系權(quán)重，dralOT為全局顏色對比度顯著性度量值；
[0029]根據(jù)所述，為原始圖像每個像素點分配顯著值，并以此作為灰度值生成 所述原始圖像的優(yōu)化顯著圖。
[0030] 相對于現(xiàn)有的其他圖像視覺顯著性進(jìn)行檢測方法，本發(fā)明提供的方法在基于圖像 的局部結(jié)構(gòu)特征分析基礎(chǔ)上，獲得了關(guān)于圖像中目標(biāo)和背景區(qū)域的大致分布信息后，再對 圖像的全局顏色對比度進(jìn)行定義和計算顯著性。以像素為單位計算顯著性確保了所得到的 顯著圖具有全分辨率，能反映出更多顯著目標(biāo)的細(xì)節(jié)。對背景分布信息和目標(biāo)分布信息的 合理利用和引入，使得所獲得的顯著圖更加突出了目標(biāo)區(qū)域，抑制了背景的干擾。
【附圖說明】
[0031] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā) 明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0032] 圖1為本發(fā)明提供的基于局部結(jié)構(gòu)檢測和對比度的視覺顯著圖生成方法實施例 的流程圖；
[0033] 圖2為軟件實驗仿真圖1的方法與其他方法的客觀性能評價圖。
【具體實施方式】
[0034] 為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是 本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。
[0035] 圖1為本發(fā)明提供的基于局部結(jié)構(gòu)檢測和對比度的視覺顯著圖生成方法實施例 的流程圖，如圖1所示，該方法可以包括：
[0036] 步驟101、對原始圖像進(jìn)行局部結(jié)構(gòu)特征分析，以獲取原始圖像中目標(biāo)區(qū)域和背景 區(qū)域的分布信息；
[0037] 步驟102、根據(jù)所述背景區(qū)域的分布信息，計算所述原始圖像中各像素點的顏色特 征與所述背景區(qū)域顏色均值之間的顏色距離值，并基于計算結(jié)果生成原始圖像的初始顯著 圖；
[0038] 圖像中的對比度信息（即顏色距離值）是引起視覺注意的非常重要的一個因素。 自然場景圖像中，人們很容易注意到與背景形成鮮明對比的區(qū)域，顏色對比度是相對于灰 度信息而言更全面的對物體的表達(dá)，基于全局顏色對比度的顯著性計算主要考慮突出圖像 中與背景對比度差異明顯的目標(biāo)區(qū)域。
[0039] 步驟103、根據(jù)所述目標(biāo)區(qū)域的分布信息，計算所述原始圖像中各像素點與所述目 標(biāo)區(qū)域的質(zhì)心坐標(biāo)之間的空間距離，并基于計算結(jié)果生成所述原始圖像中各像素點的位置 關(guān)系權(quán)重值；
[0040] 其中，所述目標(biāo)區(qū)域的質(zhì)心坐標(biāo)是目標(biāo)區(qū)域的所有像素點的坐標(biāo)均值。
[0041] 步驟104、根據(jù)所述原始圖像中各像素點的位置關(guān)系權(quán)重值對所述初始顯著圖進(jìn) 行優(yōu)化以生成所述原始圖像的優(yōu)化顯著圖。因上述步驟均是以像素為單位進(jìn)行計算，因此 生成的所述原始圖像的優(yōu)化顯著圖具有全分辨率。
[0042] 在從全局計算每個像素的顏色特征相對于背景顏色均值的對比度時，還應(yīng)該注意 到目標(biāo)通常在圖像中是集中分布的特性，即需要考慮以目標(biāo)的空間位置為參考的空間關(guān) 系，并以此來優(yōu)化全局顏色對比度顯著圖。
[0043] 本發(fā)明提供的方法在基于圖像的局部結(jié)構(gòu)特征分析基礎(chǔ)上，獲得了關(guān)于圖像中目 標(biāo)和背景區(qū)域的大致分布信息后，再對圖像的全局顏色對比度進(jìn)行定義和計算顯著性。以 像素為單位計算顯著性確保了所得到的顯著圖具有全分辨率，能反映出更多顯著目標(biāo)的細(xì) 節(jié)。對背景分布信息和目標(biāo)分布信息的合理利用和引入，使得所獲得的顯著圖更加突出了 目標(biāo)區(qū)域，抑制了背景的干擾。
[0044] 在上述實施例的步驟中，具體地，步驟101可以包括：
[0045] 步驟1、對輸入的原始圖像進(jìn)行灰度變換提取灰度特征，并對所述原始圖像進(jìn)行分 塊操作，計算以所述原始圖像中某一像素點為中心的NXN鄰域圖塊的一階局部梯度向量 辦，比如設(shè)定N為40。
[0046] 步驟2、定義所述鄰域圖塊的局部結(jié)構(gòu)張量，即局部梯度協(xié)方差矩陣T= /識，計 算所述局部梯度協(xié)方差矩陣的特征值A(chǔ):和入2
[0047] 特征值的大小反應(yīng)了圖像中相應(yīng)特征方向上結(jié)構(gòu)變化的程度