一种基于全局与局部对比度的显著性检测方法
【技术领域】
[0001] 本发明涉及一种基于多尺度上下文的显著性检测方法，属于计算机通信技术领 域。
【背景技术】
[0002] 21世纪，随着计算机技术和人工智能的迅猛发展和相关理论的不断完善，数字图 像处理技术在许多领域受到广泛重视，为了人们更好更便捷的生活，图像处理的研究显得 至关重要。其中，显着性检测是计算机视觉和图像处理的一项重要任务。图像显著性区域检 测研究的目的是获得高质量的显著图，显著图反映了图像中不同区域的显著程度。利用显 著图，可以快速定位和处理图像中的显著区域，以达到通过计算机模拟人类视觉显著性的 目的。
[0003] 然而，当前提出的多种显著性检测方法，仍然存在很多不足。即图像显著性检测结 果质量普遍不高，不能正确反映出图像的显著性信息；显著性信息的使用方式和方法还比 较初级等问题。但在实际应用中，对比度的计算是图像显著性计算的核心。由于生物学上对 视觉显著性的研究不彻底，很多结论具有猜测性，Goferman等人提出了上下文集成方法，突 破了生物学模型，简化了计算方法，但是，显著性检测质量不高。Achanta等提出的多尺度方 法，采用局部对比度计算方法，检测结果容易受到图像中的复杂颜色，物体的质地纹理，多 变的环境背景等因素的影响，使得通过已知方法得出的显著性图无法准确突出图像的前 景。因此，就无法使图像显著性信息的潜力发挥出来。zhai和Shah等提出的基于直方图的计 算方法，则采用全局对比度计算方法，当前景与背景色差不大时，造成显著性区域的误判， 无法清晰指明物体的轮廓，这就使得显著性图的应用效果比较差。
[0004] 同时，上述现有方法在图像背景与前景相似等复杂情况下，显著性的检测性能并 不理想。现有方法仅重视单一对比度情况，检测性能远不能满足实际应用的需求。而本发明 能够很好地解决上面的问题。
【发明内容】
[0005] 本发明目的在于解决了上述现有技术问题，提出了一种视觉显著性的检测方法， 该方法是在RGB色彩空间下，检测结果比现有方法更简单并行之有效，其显著图更贴合于人 眼的视觉感知系统所得到的结果，显著性检测质量高，且检测结果受图像的物理条件，光学 条件，色彩差异影响小;本发明不受样本限制，更适于实际应用。
[0006] 本发明解决其技术问题所采取的技术方案是:在实现中，从1500自然场景随机选 择的彩色图像中提取500000个8X8图像块（即用于RGB颜色空间中的每个子信道）。在词典 里，每个基础功能是一个8X8 = 64维向量，学习 N=200字典。稀疏编码系数用以上所学习的 LARS算法原理。
[0007] 此框架是基于三个显著性操作。第一个，CESC(center-surround contrast，即：中 心-四周对比度），认为就其周围的图像补丁块的稀缺性。第二个，CSC(corner-surround contrast，即：对角-四周对比度），通过考虑中心补丁块与其周围补丁块的相对位置拓展 CESC(center-sur;round contrast，即：中心-四周对比度）算法。第三个，GC(Global contrast，即：全局对比度），利用其在整个图像的对比度的图像的补丁计算显著性。最后， 这三个对比图进行合并。
[0008] 输入的图像首先被调整成29 X 29像素。P={pi，p2. . .，pN}(即从左上到右下无重叠 的)代表一系列的补丁块。然后用稀疏编码算法去计算重造的系数^来代表补丁块h，即：
[0009]
[0010] 其中λ是一正则化参数。〇=[(11，(12,...，(1 11]却_是一系列11\111维基础公式。这样，
[0011] 方法流程：
[0012] 步骤1:每一个补丁块Pi的显著性值都包含在每一个像素 X中（每一个补丁块等于8 X8的64维像素），*代表独立的CESC(center_surround contrast，中心-四周对比度），CSC (corner-surround contrast，对角-四周对比度），GC(Global contrast，全局对比度）的显 著性的值，N()表示归一化运算，S*(x)表征在RGB色彩空间中所有颜色频道的归一化与总和 的显著性，即：
[0013] =
[00M]步骤2:基于多尺度空间的显著性检测，对步骤1所得的值取最大，即：
[0015]
[0016] 其中：(X)是步骤1所得大小调整后的第m个尺度的显著图（这里m取3)。
[0017] 步骤3:在进行步骤2的操作后，再次对(CESC( center-surround contrast，中心-四周对比度），CSC(corner_surround contrast,对角-四周对比度），GC(Global contrast, 全局对比度））三种情况下的对比显著性值进行归一化与组合，即：
[0018] S(x) = N(Sse(x))〇N(Sg(x))〇N(Sc(x))
[0019]其中，上述公式中的V'是一个数学算子，可以代表"+"，"X"，"最大值"，"最小 值"，这里第一个"。"取max，第二个"。"取"+"
[0020] 步骤4:为了得到一个统一的比较准则，将显著性值S(x)的值范围规范到(0，1)中， 再一次的归一化，即：
[0021]
[0022] 兵屮，X代衣傢系。
[0023] 本发明步骤3所述对比显著性值进行归一化与组合的计算方法，包括如下步骤：
[0024] 步骤3-1 :CESC(center_surround contrast，中心-四周对比度)检测方法，其计算 方法，包括如下步骤：
[0025] CESC(center_surround contrast，中心-四周对比度）显著性巧.(/>/)的计算中，中 心补丁块口:和它周围的补丁块的平均权重各不相同，即：
[0026]
[0027] 其中，Wy是中心补丁块？1和它周围补丁块的距离，所有的计算距离的方法，包 括：欧几里得距离；卡方距离，曼哈顿距离，切比雪夫距离等皆可以，此处采用的是欧氏距 离。其中，欧式距离的计算公式为:d= | |χ?，Χ2···Χη| |2,其中，Χ1···Χη是图像上的点。其它距
> 离公式：1)卡方距离的计算公式如下 -_;:2)两个η维向量(X11，X12. . .Xln)与(Χ21, 1 fi X22. . .X2n)的曼哈顿距离计算公式如下
0两个η维向量(X11,X12. . .Xln)与 (X21 ,Χ22 · · · X2n)的切比雪夫距离：V内.一太2(|厂;
[0028] 步骤3-2:CSC(corner-surround contrast,对角-四周对比度)检测方法，包括如 下步骤：
[0029] 1)对于每一个补丁块Pi，它的CSC(corner-surround contrast，对角-四周对比 度）显著性值￥(/?)的计算是四种类型的模板乘积，即右下私.(6)，左下和(6)，右上 《狀），左上&(〇(即：模板的大小是可以选择的，即：3X3;4X4等，此处采用的是2X2的 模板。其中，3X3模板（以右下为例)有2种选择，如图1-1所示，4X4模板（以右下为例)有三 种选择，如图1-2所示），即：
[0030]
[0031] 2)每一个模板特定（即右下义,.(匕)）卡方距离的计算，从补丁块Pjlj它的周围区域 Si的卡方距离，即：
[0032] ^(Α)Λ|!(Η(Α),Η(5',}}
[0033] 3)卡方距离的具体计算:其中Η()是一个分级直方图，Β的值为100,直方图的统计 计算依赖于所有的补丁块的相关系数α，并且H b〇是Η()的第b个元素。具体计算公式如下：
[0034]
[0035] 步骤3_3:GC(Global contrast,全局对比度)检测方法，包括如下步骤：
[0036] 计算每一个补丁块P(Pi)的概率代替每个像素的概率，并且用它的逆代表全局显 著性：
[0037]
[0038] 有益效果：
[0039] 1、本发明视觉显著性的计算结果比现有各种方法的质量都高。
[0040] 2、本发明在同等条件下，具有很好地感知性能，显著性区域刻画更合理，其显著性 图的利用效果更高，便于实际运用于计算机。
【附图说明】
[0041] 图 1、图 1-1、图 1-2为本发明中CSC(corner_surround contrast，对角-四周对比 度)算法的四种类型示意图。
[0042] 图2为本发明中CSC( corner-surround contrast，对角-四周对比度)算法，中心点 距周围点卡方距离分布图。
[0043] 图3为本发明中CSC(corner_surround contrast，对角-四周对比度）算法在B = 100时的直方图。
[0044] 图4为不同显著性算法在同一个数据集下的实验结果示意图。
[0045] 图5为本发明在不同参数分析下的结果示意图。
[0046]图6为本发明的方法流程图。
【具体实施方式】
[0047]下面结合说明书附图对本发明创造作进一步的详细说明。