基于图像局部自相似性的目标定位方法与流程

本发明涉及图像处理技术领域，具体涉及一种基于图像局部自相似性的目标定位方法。

背景技术：

感兴趣区(Regions Of Interest，ROI)是人们观察和理解图像时产生兴趣、关注或注意的区域，即图像中最能引起人们兴趣，最能表现图像内容的区域。它注意机制应用中提出的重要概念。感兴趣区可以认为是图像中最显著(saliency)的像素集合，即显著点或兴趣点的集合。如何从一幅图像中自动的提取出感兴趣区，就是感兴趣区检测技术。

感兴趣区检测，即显著性区域检测是利用计算机技术模拟人类视觉系统，使用视觉注意模型，提取图像的一些关键信息作为显著点，以显著点为中心的适当区域作为感兴趣区。感兴趣区域选择不是依靠场景区域的自身特征，而是依靠它与周围区域比较产生的相对特征，即视觉显著性。显著性强，被选为感兴趣区域。

感兴趣区域检测方法只能提取目标的大体位置，不能准确提取目标的轮廓的不足，如何实现对目标进行精确分割和定位，成为亟待解决的技术问题。

技术实现要素：

(一)要解决的技术问题

本发明要解决的技术问题是：如何实现对目标进行精确分割和定位。

(二)技术方案

为了解决上述技术问题，本发明提供了一种基于图像局部自相似性的目标定位方法，包括以下步骤：

步骤一、计算图像目标感兴趣区域中每个点的局部自相似性描述子；

求局部自相似描述子时，首先对图像区域进行划分，然后再计算每个区域的描述子：

1、图像区域划分

以图像中某个像素点(x_c，y_c)为中心选取一定范围的图像区域进行对数极坐标变换，设图像区域中的任一像素点位置(x,y)，转化为对数极坐标(ρ,θ)；

其中半径

当x≥x_c时，角度x<x_c时，角度

然后将角度θ分为8份，半径ρ分为4份，得到以像素点(x_c，y_c)为中心的32个图像区域，这样得到了每个像素对应所在的区域；

2、局部自相似描述子的计算

在图像区域中的每个像素点q用以当前像素点q为中心的一块区域表示，计算每个像素点q与中心像素点对应位置之差的平方和(SSD)，用SSD_q(x,y)表示，再进一步把面积差SSD_q(x,y)归一化为相关面积S_q(x,y)：

这里，var_noise是噪声变化；var_auto是像素点q周围预设半径内，每个像素点对应图像区域之间的最大面积差为SSD_q(x,y)值，在每个划分的区域中取最大的S_q(x,y)作为该区域的描述值，再将所有的数值映射到[0,1]区间，顺序表示就得到了像素点q局部自相似描述子的向量表达式，为一个8×4的向量；

步骤二、图像目标感兴趣区域为图像显著性区域，计算图像显著性区域中每个像素点的局部自相似描述子后，利用其与图像显著性区域中心点的描述子之间的欧式距离作为相似性依据，对目标进行分割，即计算每个像素点的局部自相似描述子和中心位置描述子各向量差的平方和，和值越小说明该像素点和中心位置越相似，以此为依据把目标从图像中分割出来，根据分割出的图像边缘来修正目标的中心位置坐标。

优选地，步骤二中，根据分割出的图像边缘来修正目标的中心位置坐标具体为：由目标边缘计算质心位置(x',y')，公式为：

其中，x_i和y_i分别为目标边缘点第i个像素点的横、纵坐标，n为边缘点像素数。

优选地，步骤一中，在图像区域中的每个像素点q用以当前像素点q为中心的一块5×5区域表示。

优选地，步骤一中，所述预设半径为1mm。

优选地，步骤一中，var_noise为预设常量。

优选地，步骤一之前还包括检测出图像目标感兴趣区域的步骤。

(三)有益效果

本发明引入了基于图像局部自相似性的检测方法对目标进行精确分割和定位，该方法利用视觉注意模型检测到的感兴趣区域，初步求出目标的质心位置，然后以这个位置作为先验信息，在它附近利用图像局部自相似性方法进行区域生长。通过计算图像目标感兴趣区域中每个点的局部自相似性描述子与感兴趣区域中心点的描述子之间的欧式距离，作为相似性依据，得到目标的精确分割结果，再计算其的质心位置，能够实现目标的精确定位。

附图说明

图1是本发明的方法流程图；

图2是本发明的局部自相似描述子的图像区域划分示意图；

图3是本发明的基于图像局部自相似性的目标检测结果，其中(a)是原图；(b)是感兴趣区域检测结果；(c)是目标精确定位结果。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

自相似性是图像中普遍存在的一种特性，通常自相似性被用于分形图像压缩。局部自相似(local self-similarity)描述子是2007年Shechtman提出的，用于描述形状，对不同图像中的相同形状，或相同图像中颜色或纹理不同，但是有相同形状的图像进行匹配。通常用对数极坐标形式来量化形状特征。局部自相似描述子通过对图像内部的颜色、亮度或有规律的重复产生的几何特征的自相似性进行描述和提取。根据图像在边缘处具有较好的局部自相似性的特点，本发明采用基于图像局部自相似性的检测方法来对目标精确分割，计算目标的质心位置。具体而言，如图1所示，本发明的基于图像局部自相似性的目标定位方法包括以下步骤：

步骤一、在检测出图像目标感兴趣区域后(使用现有算法，例如Itti视觉模型的算法)，计算图像目标感兴趣区域中每个点的局部自相似性描述子；

求局部自相似描述子时，首先对图像区域进行划分，然后再计算每个区域的描述子。

1、图像区域划分

以图像中某个像素点(x_c，y_c)为中心选取一定范围的图像区域进行对数极坐标变换。设图像区域中的任一像素点位置(x,y)，转化为对数极坐标(ρ,θ)。

其中半径

当x≥x_c时，角度x<x_c时，角度

然后将角度θ分为8份，半径ρ分为4份，得到以像素点(x_c，y_c)为中心的32个图像区域如图2所示。这样得到了每个像素对应所在的区域。

2、局部自相似描述子的计算

在图像区域中的每个像素点q用以当前像素点q为中心的一块小区域表示(通常为5×5区域)，计算每个像素点q与中心像素点对应位置之差的平方和(SSD)，用SSD_q(x,y)表示。再进一步把面积差SSD_q(x,y)归一化为相关面积S_q(x,y)：

这里，var_noise是噪声变化，取为常量。var_auto是像素点q周围预设很小半径内，每个像素点对应图像区域之间的最大面积差为SSD_q(x,y)值，半径通常取1mm。例如，图1中，在对数极坐标下，将像素点q周围区域分成8个角度和4个半径区域。在每个划分的区域中取最大的S_q(x,y)作为该区域的描述值，再将所有的数值映射到[0,1]区间，顺序表示就得到了像素点q局部自相似描述子的向量表达式，为一个8×4的向量。

步骤二、图像目标感兴趣区域为图像显著性区域，计算图像显著性区域中每个像素点的局部自相似描述子后，利用其与图像显著性区域中心点的描述子之间的欧式距离作为相似性依据，对目标进行精确分割。即计算每个像素点的局部自相似描述子和中心位置描述子各向量差的平方和，和值越小说明该像素点和中心位置越相似，以此为依据把目标从图像中分割出来。根据分割出的图像边缘来修正目标的中心位置坐标。由目标边缘计算质心位置(x',y')，公式为：

其中，x_i和y_i分别为目标边缘点第i个像素点的横、纵坐标，n为边缘点像素数。

从图3可以看出，利用感兴趣区域检测能够提取到目标的感兴趣区域，初步求出目标的质心位置，在此基础上，利用本发明的基于图像局部自相似特性的检测算法能够对感兴趣区域中的目标进行精确分割，计算出目标的质心位置。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。