一种基于移动视觉焦点的图像视觉显著性检测方法
【专利摘要】本发明提供一种基于移动视觉焦点的图像视觉显著性检测方法，包括：输入原始图像，运用基于图的分割算法将原始图像分割成K个区域；对原始图像进行量化及高频颜色筛选；利用分割图像得到量化图像对应的分割区域并进行区域对比计算以获取某一区域的显著值从而获得初始显著图；以图像中心为初始视觉焦点对初始显著图进行加权计算；利用显著性引力模型计算视觉焦点的移动距离及移动方向以获取下一个视觉焦点，直到当前焦点距离与上一焦点距离小于1为止；运用最终的视觉焦点对获得最终视觉焦点的前一次得到的显著图加权从而获得最终显著图。相比于现有技术，本发明的检测方法的显著图准确率更高，可均匀突出显著物体，并很好地抑制图像背景。
【专利说明】一种基于移动视觉焦点的图像视觉显著性检测方法【技术领域】
[0001]本发明涉及计算机视觉及图像处理领域，尤其涉及一种基于移动视觉焦点的图像视觉显著性检测方法。
【背景技术】
[0002]在漫长的人类进化过程中，人们已经具备了快速获取视觉信息，并对这些信息进行快速准确抉择的能力。在各种图像处理技术中，计算机所关注的并不是图像的全部内容，而是一部分感兴趣区域或者非感兴趣区域。通过视觉显著性算法去检测图像的显著区域，并给予不同区域的处理优先级，从而更好地利用计算资源，提高计算效率。现今，视觉显著性检查技术已经被广泛运用到图像检索、图像和视频压缩、目标检测、图像及视频分割等许多图像处理领域，并很好地促进了这些领域的发展。图像视觉显著性检测旨在检测图像的显著区域，便于图像的后期处理，是目前重要的研究领域之一。显著性检测过程通过计算机去模拟人类观察图像的过程，去计算获取符合人体视觉焦点的图像显著性区域，从而完成计算机的自适应处理。
[0003]对于图像视觉显著性检测算法，现有技术中的一种解决方案为，基于自底向上的视觉注意机制，分析人眼对图像内容的理解，利用图像的底层特征、视觉特性并引入引力模型区检测出更加准确的图像显著性区域。由于纯计算的显著性计算方法速度快，符合人类视觉系统快速获取显著物体的视觉原理，所以这类方法也是目前研究得比较多的方法。此外，现有方案中还包括基于局部对比分析法获得图像显著图、基于多尺度对比分析的显著性区域提取法、频率调谐的视觉显著性算法、最大对称周边的视觉显著性检测算法，然而，基于局部对比分析法得到的视觉显著图，在图像的边缘具有较高的显著性，但并未均匀地突出整个物体；基于频率调谐的视觉显著性算法，并不适用于那些显著物体占据太多像素的图像；而最大对称周边的显著性检测算法，并未考虑空间信息对视觉显著性的影响。
[0004]有鉴于此，如何设计`一种新颖的图像视觉显著性检测算法，以改善或消除现有的上述缺陷，使视觉显著图的准确率更高，是业内相关技术人员亟待解决的一项课题。
【发明内容】
[0005]针对现有技术中的图像视觉显著性检测方法所存在的上述缺陷，本发明提供了一种基于移动视觉焦点的图像视觉显著性检测方法，可使视觉显著图的准确率更高，并且能够均匀突出显著物体和很好地抑制图像背景。
[0006]依据本发明的一个方面，提供了一种基于移动视觉焦点的图像视觉显著性检测方法，包括以下步骤:
[0007]输入该原始图像，运用基于图的分割算法将原始图像分割成K个区域；
[0008]对输入的所述原始图像进行量化及高频颜色的筛选；
[0009]利用分割图像得到量化图像对应的分割区域并进行区域对比，计算获取第i个区域的视觉显著值从而获得初始显著图，[0010]以图像中心为初始视觉焦点，对所获得的所述初始显著图进行加权计算；
[0011]利用显著性引力模型计算视觉焦点的移动距离及移动方向，获取下一个视觉焦点，直到当前视觉焦点的距离与上一视觉焦点的距离小于I为止；以及运用最终的视觉焦点对获得最终视觉焦点的前一次得到的显著图加权以获得最终显著图。
[0012]在其中的一实施例中，上述对原始图像进行量化及高频颜色筛选的步骤还包括:将所述原始图像的RGB通道的颜色值量化为12个不同的值，其计算式为:
[0013]
【权利要求】
1.一种基于移动视觉焦点的图像视觉显著性检测方法，其特征在于，该图像视觉显著性检测方法包括以下步骤: 输入原始图像，运用基于图的分割算法将所述原始图像分割成K个区域； 对输入的所述原始图像进行量化及高频颜色筛选； 利用分割图像得到量化图像对应的分割区域，并进行区域对比，计算获取第i个区域的视觉显著值从而获得初始显著图， 以图像中心为初始视觉焦点，对所获得的所述初始显著图进行加权计算； 利用显著性引力模型计算视觉焦点的移动距离及移动方向，获取下一个视觉焦点，直到当前视觉焦点的距离与上一视觉焦点的距离小于I为止；以及运用最终的视觉焦点对获得最终视觉焦点的前一次得到的显著图加权以获得最终显著图。
2.根据权利要求1所述的图像视觉显著性检测方法，其特征在于，上述对原始图像进行量化及高频颜色筛选的步骤还包括: 将所述原始图像的RGB通道的颜色值量化为12个不同的值，其计算式为:
3.根据权利要求1所述的图像视觉显著性检测方法，其特征在于，将分割图像与量化图像结合计算所述初始显著图采用以下计算式:
4.根据权利要求1所述的图像视觉显著性检测方法，其特征在于，以图像中心为初始视觉焦点对初始显著图进行加权计算采用如下计算式:
5.根据权利要求1所述的图像视觉显著性检测方法，其特征在于，上述利用显著性引力模型计算视觉焦点的移动距离及移动方向获取下一个视觉焦点的步骤还包括: 计算图像中每个像素点对原始视觉焦点显著性引力，计算式为:
Fi = S (Pi) exp (_λ X D2 (pi； VF)) 其中，S(Pi)表示像素点Pi的显著值；D2(Pi，VF)表示像素点Pi到视觉焦点VF的距离，λ用来控制空间权值的强度； 计算每个像素点在水平方向和垂直方向上的分力，其计算式如下:
=Fxsin"
=Fx cos O 其中，
6.根据权利要求1所述的图像视觉显著性检测方法，其特征在于，上述直到当前焦点距离与上一焦点距离小于I为止的重复计算步骤还包括，每次计算保留上一个视觉焦点位置，然后计算下一个视觉焦点位置与上一个视觉焦点位置之间的距离，直到两者间的距离小于I时停止计算。
7.根据权利要求1所述的图像视觉显著性检测方法，其特征在于，上述对获得最终显著焦点的前一次得到的视觉显著图进行最终显著焦点加权采用计算式:
【文档编号】G06T7/40GK103810707SQ201410042192
【公开日】2014年5月21日 申请日期:2014年1月28日 优先权日:2014年1月28日
【发明者】陈志华, 袁玉波, 张静, 肖小龙, 刘怡 申请人:华东理工大学