专利名称：一种融合区域颜色和HoG特征的视觉显著性检测方法
技术领域：
本发明属于计算机视觉领域，具体来说是ー种融合区域颜色对比度和梯度方向直方图(以下采用其英文简写“HoG”代替)特征的视觉显著性检测方法。
背景技术：
视觉显著性被定义为视觉的不可预测性、稀缺性。由于相关的人类视觉注意理论的支持，视觉显著性模型提供了ー种快速且高效的方法，在计算机视觉和图像处理中作为重要的预处理机制。 目前的研究成果表明，多数视觉显著性模型基于底层特征驱动的自底向上的过程。其中，具有深远意义的工作是L. Itti等人提出的特征融合理论。在他们的模型中，颜色、亮度和方向特征分别从输入图像中提取，标注地理特征地图，然后使用线性融合方式合成主显著性图像。A. Borji等人提出基于区域稀有性的分析方法。该方法是在Lab和RGB空间学习全局和局部的顔色特征，分配图像显著性。这些方法模拟人类眼球运动，追踪眼部的关注焦点，在生物学中有重要研究价值，但存在明显的不足低分辨率，高亮局部轮廓，缺少完整的区域意识。为此，R. Achanta等人提出了ー种简单的频域协调方法，度量像素与图像平均色的差异决定图像的显著性。该方法得到全分辨率的显著性图。之后，R. Achanta等人改用最大对称环绕的检测算子，降低背景干扰。M.-M. Cheng等人用图分割抽象区域顔色，提出基于全局的区域空间相关性的计算模型，该方法是对区域对比理论的解释。最近，F. Perazzi等人引入显著性滤波器的概念，分别从元素独立性和空间分布两方面实现显著性滤波，得到与输入图像大小一致的高质量显著性图。这些方法都面向纯计算模型，表现出区域完整，物体轮廓清晰，复杂度低的优点。然而上述这些方法都是基于区域顔色，对于纹理的显著性差异不敏感。
发明内容
本发明针对现有技术的不足，融合区域顔色和HoG特征，提供了一种基于区域对比度的视觉显著性检测方法。本发明方法的具体步骤如下
步骤(I):采用彩色变换方法，分别提取输入图像在Lab空间的7彩色分量图、a彩色分量图和b彩色分量图。步骤(2):采用SLIC超像素聚类方法，将输入图像划分为多个互不相交且区域面积近似相等的超像素区域。步骤(3):根据步骤(2)的結果，计算每个超像素区域的顔色特征，具体为 对于超像素区域其顔色特征是由超像素区域A的顔色均值矢量
、超像素区域A的质心坐-Pi和超像素区域r,.的面积率F组成。
所述的超像素区域r,的顔色均值矢量V表示为
权利要求
1.ー种融合区域顔色和HoG特征的视觉显著性检测方法，其特征在于该方法包括如下步骤 步骤(I):采用彩色变换方法，分别提取输入图像在Lab空间的7彩色分量图、a彩色分量图和b彩色分量图； 步骤(2):采用SLIC超像素聚类方法，将输入图像划分为多个互不相交且区域面积近似相等的超像素区域； 步骤(3):根据步骤(2)的結果，计算每个超像素区域的顔色特征，具体为 对于超像素区域其顔色特征是由超像素区域A的顔色均值矢量Iii、超像素区域A的质心坐标？;和超像素区域r,.的面积率が组成； 所述的超像素区域A的顔色均值矢量μ 表示为V = [4 K /4]，其中4为超像素区域A内所有像素的7彩色分量均值，/4为超像素区域A内所有像素的a彩色分量均值，,力超像素区域A内所有像素的6彩色分量均值； 所述的超像素区域ハ的质心坐标#表示为f=,其中/4为超像素区域ハ内所有像素垂直方向坐标的均值与输入图像高度的比值，pi为超像素区域ァ,.内所有像素水平方向坐标的均值与输入图像宽度的比值； 所述的超像素区域^的面积车卜表示超像素区域^内的像素个数与输入图像总像素的比值； 步骤(4):根据步骤(3)得到的各超像素区域的顔色特征，计算每个超像素区域的顔色独特性，具体为 对于超像素区域其顔色独特性表示为KM = ki Σ οι(ι+^·>^) 其中为超像素区域r,.和超像素区域A在Lab空间的颜色距离；为超像素区域Ti和超像素区域ハ的空间相关性权重;η为步骤(2)中划分出的超像素个数； 所述的超像素区域A和超像素区域巧在Lab空间的颜色距离巧表示为超像素区域r,.的顔色均值矢量V与超像素区域ハ.的顔色均值矢量 "的L2距离，具体描述为= ||μ!' —μ/| 所述的超像素区域A和超像素区域巧的空间相关性权重4具体表示为 ぜ〔き13)￥ ^ 其中=0.25为高斯函数标准差，I 1 -PjI为超像素区域巧的质心坐标ダ与超像素区域A的质心坐标沪的L2距离； 步骤(5):根据步骤(3)得到的各超像素区域的顔色特征，计算每个超像素区域的顔色空间分布特性，具体为 对于超像素区域其顔色空间分布特性表示为 其中为超像素区域r,和超像素区域Ty的空间距离；
全文摘要
本发明涉及一种融合区域颜色和HoG特征的视觉显著性检测方法。目前方法通常都基于区域颜色特征的纯计算模型，对于纹理的显著性差异不敏感。本发明方法首先在原始图像的CIELAB空间彩色分量图上，通过分析超像素区域的颜色对比度和分布特性，计算每个像素的颜色显著性值；然后在原始图像的RGB空间彩色分量图上，提取基于HoG的局部矩形区域纹理特征，并通过分析局部矩形区域的纹理对比度和分布特性，计算每个像素的纹理显著性值；最后采用二次非线性融合方法将每个像素的颜色显著性值和纹理显著性值融合为该像素的最终显著性值。本发明方法获得不仅可获得符合人眼视觉感官的全分辨率显著性图像，并且对显著性目标具有更强的区分能力。
文档编号G06T7/40GK102867313SQ20121031180
公开日2013年1月9日 申请日期2012年8月29日 优先权日2012年8月29日
发明者周文晖, 宋腾, 孙志海, 张桦, 韦学辉 申请人:杭州电子科技大学