一种基于hls色彩空间的显著区域分层提取方法
【专利摘要】本发明提出了一种基于HLS色彩空间的显著区域分层提取方法，所述方法采用更符合人类视觉特性的HLS色彩空间提取色彩对比信息，并结合亮度产生分层显著图；分层提取匹配的显著区域，代表不同聚焦深度的每一层对应不同的显著图，根据不同层的显著图可分层提取出匹配的若干显著区域。本发明方法在两两相互包含的特征区域中引入竞争机制，峰值最大的小块击败与其重叠的其他小块而得以保留，成为该显著对象最适合的提取尺寸。这样可在图像中提取出一系列不完全重叠的大小适应的显著区域。以此为依据提取Hash不但可降低冗余，而且体现了视觉的指导作用。
【专利说明】—种基于HLS色彩空间的显著区域分层提取方法
【技术领域】
[0001]本发明属于计算机视觉领域，具体指的是一种基于HLS色彩空间的显著区域分层提取方法。
【背景技术】
[0002]视觉显著性特征提取作为一项独立的技术，可以帮助我们更好地分析和理解数字图像。提取图像显著性的研究是一个图像分析、特征提取和探索人类视觉特性的综合过程，对各种基于图像分析和理解的应用都有着非常重要的意义。同时，显著性特征提取在图像的检索、认证、识别和匹配等研究领域有着很高的应用价值。将这种基于感知的选择机制引入图像分析领域，将计算资源有限分配给那些容易引起观察者注意的区域，必将极大地提高现有图像分析方法的效率。在设计图像检索或Hash算法时，对于每幅图片都人工地指出吸引关注的区域再重点提取该区域特征的做法显然是不可行的。因此，探索一种无需人工干预的准确而高效的图像显著性提取方法具有很高的研究价值。
[0003]HLS (Hue, Lightness, Saturation色调、亮度、饱和度)模型是一种常用的视觉颜色模型。HLS模型表示的颜色空间是一个双六棱锥体。色调用红色为起点的角度表示,光沿逆时针方向环绕HLS模型时，颜色将按照下面的顺序出现:红、黄、绿、青、蓝、紫。灰度光的饱和度为0，即S=O。当S=I，L=0.5时的颜色具有最大的饱和度。
【发明内容】
[0004]本发明所要解决的技术问题是为了克服现有技术的不足，提出一种基于HLS色彩空间的显著区域分层提取方法。所述方法利用更具有代表性的色彩对比信息，结合亮度产生分层明显图，模拟人眼渐进式观察过程，分层提取大小匹配的显著区域。
[0005]为了解决上述技术问题，本发明所采用的技术方案是:
[0006]一种基于HLS色彩空间的显著区域分层提取方法，包括如下步骤:
[0007]步骤A，采集彩色图像；
[0008]步骤B，对步骤A得到的彩色图像进行分层，并滤波，得到分层滤波图像；
[0009]步骤C，对步骤B得到的每层滤波图像提取颜色和亮度特征；
[0010]步骤D，分别对步骤C得到的相邻两层滤波图像的颜色和亮度特征做差运算，得到相应的颜色和亮度特征图；
[0011]步骤E，将步骤D得到的同一层的颜色和亮度特征图归一化，再以设定的权重加权相加得到分层显著图；
[0012]步骤F，根据步骤E得到的分层显著图，通过高斯匹配滤波提取局部匹配峰值，进而实现分层显著区域的提取。
[0013]步骤E中，所述设定的权重为0.5。
[0014]步骤F中，所述分层显著区域的提取过程如下:
[0015]步骤F-1，对步骤E得到的分层显著图进行高斯平滑滤波，提取滤波后分层显著图的中心区域作为匹配图；
[0016]步骤F-2，在步骤F-1得到的匹配图中遍历像素寻找局部峰值，取得局部峰值的像素所对应显著图中的区域就是一个显著区域。
[0017]步骤F-1中，所述分层显著图为正方形，其中心区域为正方形，且该中心区域正方形对角线与分层显著图正方形的对角线重合。
[0018]本发明的有益效果是:本发明提出了一种基于HLS色彩空间的显著区域分层提取方法，所述方法采用更符合人类视觉特性的HLS色彩空间提取色彩对比信息，并结合亮度产生分层显著图；分层提取匹配的显著区域，代表不同聚焦深度的每一层对应不同的显著图，根据不同层的显著图可分层提取出匹配的若干显著区域。本发明方法在两两相互包含的特征区域中引入竞争机制，峰值最大的小块击败与其重叠的其他小块而得以保留，成为该显著对象最适合的提取尺寸。这样可在图像中提取出一系列不完全重叠的大小适应的显著区域。以此为依据提取Hash不但可降低冗余，而且体现了视觉的指导作用。
【专利附图】
【附图说明】
[0019]图1是本发明的基于HLS色彩空间的显著区域分层提取方法的流程图。
【具体实施方式】
[0020]下面结合附图，对本发明提出的基于HLS色彩空间的显著区域分层提取方法进行详细说明:
[0021]如图1所示，本发明的基于HLS色彩空间的显著区域分层提取方法，其步骤如下
[0022]步骤101，输入彩色图像；
[0023]步骤102，对步骤101得到的彩色图像，使用线性滤波器产生分层滤波图像；
[0024]步骤103，对步骤102得到的分层滤波图像提取颜色和亮度特征；
[0025]步骤104，根据步骤103提取的特征，生成相应的特征图；
[0026]步骤105，在步骤104获得的各层亮度和颜色特征图的基础上，按权重合成得到每层的显著图；
[0027]步骤106，根据步骤105得到的分层显著图，通过高斯匹配滤波提取局部匹配峰值的方式来实现分层显著区域的提取。
[0028]下面结合图1详细说明本发明的基于HLS色彩空间的显著区域分层提取方法。
[0029]1.分层滤波
[0030]定义尺度因子&，1=1，2，一，1，滤波窗口由大到小排列。将原始图像分别与每个高斯滤波器卷积，可得到一系列不同模糊程度的图像，用来模拟不同聚焦深度看到的图像。滤波采用镜像延拓的方式以减少边缘失真。
[0031]这里先对原始图像滤波得到分层滤波图像，再对每层滤波的结果分通道计算显著图。之所以这样做，是因为HLS色彩空间中的色调H分量并不适用于高斯滤波，两个颜色的均值可能是完全不同于这两个颜色的第三种颜色，滤波引起的微弱数值差异可能使颜色发生巨大的变化。因此，对图像的色调单独滤波会使颜色发生较大的失真，从而严重影响显著区域的提取。
[0032]如果要获得足够模糊的图像，滤波器窗口也要足够大，这使得卷积涉及的数据量成倍地增长，运算速度大大降低。所以在算法实际运行时，我们会考虑在获得相当效果的前提下，提高运算速度。将原本的大窗口三维滤波分成三步来模拟。首先将原始图像缩小Si倍，然后用9X9大小的窗口对缩小的图像进行滤波，随后再将模糊图像放大到原始大小。小滤波的多维卷积能大大降低运算数据量，缩小和放大的插值运算也比较快。这三步所需的时间大大少于上述方法一步的时间。当然快速算法中的9XSi应与上述方法中的Si可比。[0033]2.特征提取
[0034]对每层滤波图像的初级视觉特征提取分为颜色和亮度两部分进行。因为采用的是HLS颜色空间，所以将颜色放到极坐标空间，用矢量进行比较并求差，以此获得每层的显著图。
[0035]通过将第i层与第i+Ι层模糊图像做差运算得到第i层的特征图。设两层的模糊图像分别为fi+1=f*si+1，在fi和fi+1上分别提取亮度和颜色通道的分量，得到Li, Li+1, Ci, Ci+1。接着对两层间各个分量求差即可获得两个通道的特征图=Ldiff」和Cdiff具体过程如下:
[0036](I)亮度特征的提取
[0037]两个通道中的亮度分量选取HLS色彩空间的L分量。相邻两层的亮度对比特征由式(I)计算:
[0038]
【权利要求】
1.一种基于HLS色彩空间的显著区域分层提取方法，其特征在于，包括如下步骤: 步骤A，采集彩色图像； 步骤B，对步骤A得到的彩色图像进行分层，并滤波，得到分层滤波图像； 步骤C，对步骤B得到的每层滤波图像提取颜色和亮度特征； 步骤D，分别对步骤C得到的相邻两层滤波图像的颜色和亮度特征做差运算，得到相应的颜色和亮度特征图； 步骤E，将步骤D得到的同一层的颜色和亮度特征图归一化，再以设定的权重加权相加得到分层显著图； 步骤F，根据步骤E得到的分层显著图，通过高斯匹配滤波提取局部匹配峰值，进而实现分层显著区域的提取。
2.根据权利要求1所述的一种基于HLS色彩空间的显著区域分层提取方法，其特征在于，步骤E中，所述设定的权重为0.5。
3.根据权利要求1所述的一种基于HLS色彩空间的显著区域分层提取方法，其特征在于，步骤F中，所述分层显著区域的提取过程如下: 步骤F-1，对步骤E得到的分层显著图进行高斯平滑滤波，提取滤波后分层显著图的中心区域作为匹配图； 步骤F-2，在步骤F-1得到的匹配图中遍历像素寻找局部峰值，取得局部峰值的像素所对应显著图中的区域就是一个显著区域。
4.根据权利要求3所述的一种基于HLS色彩空间的显著区域分层提取方法，其特征在于，步骤F-1中，所述分层显著图为正方形，其中心区域为正方形，且该中心区域正方形对角线与分层显著图正方形的对角线重合。
【文档编号】G06T7/00GK103679716SQ201310651979
【公开日】2014年3月26日 申请日期:2013年12月5日 优先权日:2013年12月5日
【发明者】王敏 申请人:河海大学