一种基于区域的图像显著图提取方法
【专利摘要】本发明公开了一种基于区域的图像显著图提取方法，其首先通过计算图像的全局颜色直方图，得到基于全局颜色直方图的图像显著图，然后采用超像素分割技术对图像进行分割，分别计算各个区域的颜色对比度和空间稀疏性，并利用区域之间的相似性进行加权，得到基于区域颜色对比度的图像显著图和基于区域空间稀疏性的图像显著图，最后对基于全局颜色直方图的图像显著图、基于区域颜色对比度的图像显著图和基于区域空间稀疏性的图像显著图进行融合，得到最终的图像显著图，优点是获得的图像显著图能够较好地反映全局和局部区域的显著变化情况，符合图像显著语义的特征。
【专利说明】一种基于区域的图像显著图提取方法
【技术领域】
[0001]本发明涉及一种图像信号的处理方法，尤其是涉及一种基于区域的图像显著图提取方法。
【背景技术】
[0002]在人类视觉接收与信息处理中，由于大脑资源有限以及外界环境信息重要性区另IJ，在处理过程中人脑对外界环境信息并不是一视同仁的，而是表现出选择特征。人们在观看图像或者视频片段时注意力并非均匀分布到图像的每个区域，而是对某些显著区域关注度更高。如何将视频中视觉注意度高的显著区域检测并提取出来是计算机视觉以及基于内容的视频检索领域的一个重要的研究内容。
[0003]现有的显著图模型是一种模拟生物体视觉注意机制的选择性注意模型，其通过计算每个像素点在颜色、亮度、方向方面与周边背景的对比，并将所有像素点的显著值构成一张显著图，然而这类方法并不能很好地提取图像显著图信息，这是因为基于像素的显著特征并不能很好地反映人眼观看时的显著语义特征，而基于区域的显著特征能够有效地提高提取的稳定性和准确性，因此，如何对图像进行区域分割，如何对各个区域的特征进行提取，如何对各个区域的显著特征进行描述，如何度量区域本身的显著度和区域与区域之间的显著度，都是对基于区域的显著图提取中需要研究解决的问题。
【发明内容】
[0004]本发明所要解决的技术问题是提供一种符合显著语义特征，且有较高提取稳定性和准确性的基于区域的图像显著图提取方法。
[0005]本发明解决上述技术问题所采用的技术方案为:一种基于区域的图像显著图提取方法，其特征在于包括以下步骤:
[0006]①将待处理的源图像记为Ui(Xj)K其中，1=1,2,3,1≤χ≤W，1≤y≤H，W表示Ui(x，y)}的宽，H表示{Ii(x，y)}的高，IiU, y)表示Ui(x，y)}中坐标位置为(x, y)的像素点的第i个分量的颜色值，第I个分量为R分量、第2个分量为G分量和第3个分量为B分量；
[0007]②首先获取UiUyM的量化图像及量化图像的全局颜色直方图，然后根据UiUjM的量化图像，获取UiUjM中的每个像素点的颜色种类，再根据UiUjM的量化图像的全局颜色直方图和!Λ(χ，y)}中的每个像素点的颜色种类，获取!Λ(χ，y)}的基于全局颜色直方图的图像显著图，记为{肥(17)}，其中，肥(17)表示{HS(x，y)}中坐标位置为(x，y)的像素点的像素值，亦表示Ui(x，y)}中坐标位置为(x，y)的像素点的基于全局颜色直方图的显著值；
[0008]③采用超像素分割技术将UiUyM分割成M个互不重叠的区域，然后将UiUjM重新表示为M个区域的集合，记为{SPJ，再计算{SPJ中的各个区域之间的相似性，将{SPJ中的第P个区域与第q个区域之间的相似性记为Sim(SPpSPtl),其中，M≥1，SPh表示{SPJ中的第h个区域，I≤h≤M，1≤P≤M，1≤q≤M，p关9，5卩1)表示{SPJ中的第P个区域，SPq表示{SPJ中的第q个区域；
[0009]④根据{SPJ中的各个区域之间的相似性，获取UiO^yM的基于区域颜色对比度的图像显著图，记为{NGC(x, y)},其中,NGC (x, y)表示{NGC (x, y)}中坐标位置为(x, y)的像素点的像素值；
[0010]⑤根据{SPJ中的各个区域之间的相似性，获取UiUyM的基于区域空间稀疏性的图像显著图，记为{NSS(x，y)}，其中，NSS(x, y)表示{NSS(x，y)}中坐标位置为(x，y)的像素点的像素值；
[0011]⑥对ΙΛ(Χ，50}的基于全局颜色直方图的图像显著图{HS(x，y)}、(Ii (x, y)}的基于区域颜色对比度的图像显著图{NGC(x，y)}及UiUyM的基于区域空间稀疏性的图像显著图{NSS(x，y)}进行融合，得到UiUjM的最终的图像显著图，记为{Sal(x，y)}，将{Sal (x, y)}中坐标位置为(χ, y)的像素点的像素值记为Sal (x, y), Sal (x, y)=HS(x, y) XNGC (x, y) XNSS(x, y)。
[0012]所述的步骤②的具体过程为:
[0013]②-1、对UiUjM中的每个像素点的各个分量的颜色值分别进行量化，得到(Ii(X, Y)}的量化图像，记为{PiUy)}，将{Pi(x，y)}中坐标位置为(x，y)的像素点的第i
个分量的颜色值记为PiUy),取.^7) = |^-(^}/161，其中，符号I”为向下取整符号；
[0014]②-2、计算(Pi (x, y)}的全局颜色直方图，记为{H(k) | O≤k≤4095}，其中，H(k)表示{Pi(X，y)}中属于第k种颜色的所有像素点的个数；
[0015]②-3、根据(Pi (x, y)}中的每个像素点的各个分量的颜色值，计算Ui (x, y)}中对应像素点的颜色种类，将Ui(x，y)}中坐标位置为(x，y)的像素点的颜色种类记为kxy,kxy=P3(x，y) X256+P2(x，y) Xie+Pjxj),其中，P3(x，y)表示(Pi (x, y)}中坐标位置为(x, y)的像素点的第3个分量的颜色值，P2(x，y)表示{Pi(X，y)}中坐标位置为(x，y)的像素点的第2个分量的颜色值，P1Uy)表示{Pi(X，y)}中坐标位置为(x，y)的像素点的第I个分量的颜色值；
[0016]②-4、计算ΙΛ(χ，7)}中的每个像素点的基于全局颜色直方图的显著值，将(Ii(x, y)}中坐标位置为(x，y)的像素点的基于全局颜色直方图的显著值记为HS(x，y)，
【权利要求】
1.一种基于区域的图像显著图提取方法，其特征在于包括以下步骤: ①将待处理的源图像记为Ui(Xj)K其中，i=l，2，3，l≤ x≤ff,l ≤H, W表示(Ii (x, y)}的宽，H表示{Ii(x，y)}的高，Ii (x, y)表示Ui(x，y)}中坐标位置为(x, y)的像素点的第i个分量的颜色值，第I个分量为R分量、第2个分量为G分量和第3个分量为B分量; ②首先获取UiUjM的量化图像及量化图像的全局颜色直方图，然后根据UiUjM的量化图像，获取UiUjM中的每个像素点的颜色种类，再根据UiUjM的量化图像的全局颜色直方图和!Λ(χ，y)}中的每个像素点的颜色种类，获取!Λ(χ，y)}的基于全局颜色直方图的图像显著图，记为{肥(17)}，其中，肥(17)表示{HS(x，y)}中坐标位置为(x，y)的像素点的像素值，亦表示UiOcjM中坐标位置为(x，y)的像素点的基于全局颜色直方图的显著值； ③采用超像素分割技术将!Λ(χ，y)}分割成M个互不重叠的区域，然后将ΙΛ(Χ，y)}重新表示为M个区域的集合，记为{SPh}，再计算{SPJ中的各个区域之间的相似性，将{SPJ中的第P个区域与第q个区域之间的相似性记为Sim(SPp，SPq)，其中，M≤I，SPh表示{SPh}中的第h个区域,I < h < M, I < P < M, I < q < M, P古q, SPp表示{SPJ中的第p个区域，SPq表示{SPJ中的第q个区域； ④根据{SPJ中的各个区域之间的相似性，获取ΙΛ(χ，y)}的基于区域颜色对比度的图像显著图，记为{NGC(x，y)}，其中，NGC (x, y)表示{NGC(x, y)}中坐标位置为(x, y)的像素点的像素值； ⑤根据{SPJ中的各个区域之间的相似性，获取ΙΛ(χ，y)}的基于区域空间稀疏性的图像显著图，记为{NSS(x，y)}，其中，NSS (x, y)表示{NSS(x，y)}中坐标位置为(x，y)的像素点的像素值； ⑥对UiUjM的基于全局颜色直方图的图像显著图{HS(x，y)}、(Ii(x, y)}的基于区域颜色对比度的图像显著图{NGC(x，y)}及UiUyM的基于区域空间稀疏性的图像显著图{NSS(x，y)}进行融合，得到UiUjM的最终的图像显著图，记为{Sal(x，y)}，将{Sal (x, y)}中坐标位置为(X，y)的像素点的像素值记为Sal (x, y), Sal (x, y)=HS(x, y) XNGC (x, y) XNSS(x, y)。
2.根据权利要求1所述的一种基于区域的图像显著图提取方法，其特征在于所述的步骤②的具体过程为: ②-1、对UiUyM中的每个像素点的各个分量的颜色值分别进行量化，得到(Ii(x, y)}的量化图像，记为(PiUy)K将{Pi(X，y)}中坐标位置为(x，y)的像素点的第i个分量的颜色值记为PiUy),取^7) =「/#，刃/161，其中，符号“「I5’为向下取整符号； ②-2、计算{Pi(X，y)}的全局颜色直方图，记为{H(k) |0<1^< 4095}，其中，!1(10表示(Pi (x, y)}中属于第k种颜色的所有像素点的个数； ②-3、根据{Pi(x，y)}中的每个像素点的各个分量的颜色值，计算ΙΛ(χ，υ)}中对应像素点的颜色种类，将Ui(x，y)}中坐标位置为(x，y)的像素点的颜色种类记为kxy, kxy=P3(χ，y) X256+P2(x, y) X 16+Pi (χ, y),其中，P3(x, y)表示(Pi (χ, y)}中坐标位置为(x, y)的像素点的第3个分量的颜色值，P2(x，y)表示{Pi(X，y)}中坐标位置为(x，y)的像素点的第2个分量的颜色值,P1(^y)表示{Pi(X，y)}中坐标位置为(x，y)的像素点的第I个分量的颜色值； ②-4、计算UiUjM中的每个像素点的基于全局颜色直方图的显著值，将UiUjM中坐标位置为(x，y)的像素点的基于全局颜色直方图的显著值记为HS(x，y)，
3.根据权利要求1或2所述的一种基于区域的图像显著图提取方法，其特征在于所述的步骤③中{SPJ中的第P个区域与第q个区域之间的相似性Sim(SPp，SPq)的获取过程为: ③-1、对{SPJ中的每个区域中的每个像素点的各个分量的颜色值分别进行量化，得到{SPJ中的每个区域的量化区域，将{SPJ中的第h个区域的量化区域记为(PluO^yh)K将中坐标位置为(xh，yh)的像素点的第i个分量的颜色值记为PluO^yh),假设
4.根据权利要求3所述的一种基于区域的图像显著图提取方法，其特征在于所述的步骤④的具体过程为: ④-1、计算{SPJ中的每个区域的颜色对比度，将{SPJ中的第h个区域的颜色对比度记为
5.根据权利要求4所述的一种基于区域的图像显著图提取方法，其特征在于所述的步骤⑤的具体过程为: ⑤-1、计算{SPJ中的每个区域的空间稀疏性，将{SPJ中的第h个区域的空间稀疏
性记为
【文档编号】G06T7/00GK103632153SQ201310651864
【公开日】2014年3月12日 申请日期:2013年12月5日 优先权日:2013年12月5日
【发明者】邵枫, 姜求平, 蒋刚毅, 郁梅, 李福翠, 彭宗举 申请人:宁波大学