专利名称：一种自适应计算图像底层特征重要性权重的方法
技术领域：
本发明是一种能够自动计算图像中重要区域的方法，尤其涉及图像的多种底层特征在图像重要区域识别过程中权重系数的自适应计算，属于计算机视觉技术领域。
背景技术：
人们在观察和理解图像时，会本能地将其分为重要区域(视觉感兴趣区域，如一幅图像中的主体部分建筑、花鸟、人像摄影中的人等等)和非重要区域，整幅图像的主观视觉质量往往取决于重要区域的视觉质量，而非重要区域的降质常常不易被人觉察，对整幅图像视觉质量的影响较小。因此，图像中重要区域的提取方法在图像压缩和视频分析等应用领域，都具有非常重要的意义。在信道传输带宽和存储空间有限的条件下，为了最大限度地保证压缩图像的质量，可以在提取的图像重要区域基础上，对图像的不同区域采用不同的压缩策略，尽可能减少图像中重要区域的信息损失，从而既保证了重建图像的视觉效果又提高了压缩效率。在视频分析的镜头检测和聚类过程中，如果在提取的图像重要区域基础上，仅对各帧中重要区域的相似性进行比较和分析，不仅能够提高镜头检测和聚类的效率，而且能够提高其准确率。为了提取图像中的重要区域，最初的方法是采用人工方式，通过手动标注出图像的重要区域，然后面向不同的具体应用再进行后续的处理。但是，随着图像数据的不断增多，以及图像处理实时性要求的不断提高，图像中重要区域的人工标注方式的效率不再能够满足要求，因此，一些图像重要区域自动提取方法不断被提出。现有图像重要区域自动提取方法，一般都是对图像的某一种底层特征(例如颜色、纹理、亮度等)进行分析，通过大量实验得出一组统计经验值，然后基于这组经验值自动分析出图像中的重要区域。这类方法虽然能够实现重要区域的自动提取，但是仍然存在不足1)由于仅利用了单一的底层特征，因此重要区域的提取有时并不准确；2)由于其采用的是固定系数因此，对各类图像不具有普适性。专利申请号为201010185241. X的专利中也涉及到图像重要区域的计算，其中采用的方法是综合利用图像的颜色、梯度、亮度、位置等多种底层特征，实现对图像重要区域的计算。该方法虽然克服了仅利用图像单一底层特征的不足，但是在各底层特征的权重系数选取时，采用的是固定的经验值，因此，不能够很好地适应不同图像纹理、颜色等的变化， 普适性还有待改进。
发明内容
本发明的目的是提供一种自适应计算图像中重要区域的方法。该方法综合利用图像的颜色、梯度、亮度、位置等多种底层特征信息，能够更加准确地计算出图像中的重要区域并利用这些底层特征的物理意义进行整合，从全局考虑，动态给出各种底层信息的权重， 兼顾了对不同内容图像的普遍适用性。
为实现上述目的，本发明采用下述的技术方案。其特征在于包括以下步骤步骤一，计算颜色重要性权重将待处理图像转换到HSV空间，对H通道的像素建立以η为步长的行直方图并进行统计，保存每个行直方图中的最大值和最小值，通过以下公式(1)计算出在待处理图像中表征颜色重要性的权重值wc，
权利要求
1. 一种自适应计算图像底层特征重要性权重的方法，包括以下步骤 步骤一，计算颜色重要性权重将待处理图像转换到HSV空间，对H通道的每行像素建立以η为步长的行直方图并进行统计，保存每个行直方图中的最大值和最小值；通过以下公式(1)计算出在待处理图像中表征颜色重要性的权重值wc，
2.如权力要求1所述的方法，其特征在于所述步骤一中，在计算行直方图最小值时去掉数值为0的统计值。
3.如权力要求1所述的方法，其特征在于所述步骤四中位置重要性权重值Wp优选为0. 1。
全文摘要
本发明是一种自适应计算图像底层特征重要性权重的方法，用于保证图像压缩时敏感目标的视觉完整性。本方法根据图像自适应的计算最佳的压缩参数，其中包括颜色、梯度、亮度和中心距离四个特征。在颜色的计算上，对待处理图片进行颜色直方图的统计并根据频率建立权重函数计算颜色权重；计算梯度时，将图像分块，在每个小块内计算像素点的梯度并对其方向进行直方图统计，计算块内方向变化规律来确定梯度重要性权重；在亮度的计算上，将待处理图像分割为两部分，计算每部分的亮度值并以值较大的部分作为权重计算的主要参考依据；在位置的计算上则赋予固定值，最终得到各底层特征相应的权重参数。
文档编号G06T1/00GK102354388SQ20111028455
公开日2012年2月15日 申请日期2011年9月22日 优先权日2011年9月22日
发明者李天然, 李炜, 钟沛珉 申请人:北京航空航天大学