融合局部-全局对比度的自底向上的视觉显著性生成方法
【专利摘要】本发明提出一种融合局部-全局对比度的自底向上的视觉显著性生成方法。首先利用稀疏编码理论计算图像中某一个图像块和在其临域内的其他图像块之间的局部对比度以及此图像块和图像中剩余所有图像块之间的全局对比度，然后将这两种对比性的信息有机的结合起来并加入中心偏移量，最终实现对局部对比度，全局对比度的融合，建立出一种更具准确性，鲁棒性的视觉显著性计算模型。
【专利说明】融合局部-全局对比度的自底向上的视觉显著性生成方法
【技术领域】
[0001 ] 本发明属于计算机视觉算法研究领域，涉及一种融合局部-全局对比度的自底向上的视觉显著性生成方法，可以在自然图像数据库中准确、鲁棒地计算出给定图像的显著图。
【背景技术】
[0002]视觉显著性是视觉注意的一项重要功能，它表现为观察者从一个复杂的视觉场景中选择一个重要的内容进行集中处理，而忽略其他不太重要的内容。视觉场景中某些内容比其他内容更能获得观察者的注意，我们称它们具有更高的视觉显著性。视觉显著性的思想被大量地应用于视觉注意的计算模型中，ITTI在其经典的视觉注意计算模型中采用的显著性度量方法是基于像素与其周围邻域的局部视觉特征差异；Ma等人在2003年提出一种基于特征对比的显著性度量方法，该方法只考虑颜色特征，将输入图像从RGB颜色空间转换为LUV空间，进行颜色量化。为了处理简单，将输入图像调整到一个固定的尺寸。计算像素与其周围邻域的颜色特征对比度，得到该像素的显著性值；Hou等人在2008年提出了一种基于谱残差的显著性度量方法，该方法在频域上分析显著区域的特征，在空间域上构建显著图。FengLiu等人后来提出基于区域的显著性度量，他们首先利用一定的方法得到图像中不同的区域，然后根据每个区域的位置因素和特征对比等度量其显著性。
[0003]上述显著性计算模型虽然能够在特定的样本库中得出令人满意的结果，但是这些模型中仍然存在一个明显的缺陷:他们都只考虑了图像的全局对比度或局部对比度中的一点，而没有同时应用这两种对比性的信息构建出一个统一的显著性计算模型。实验表明，基于局部特征对比的显著区域容易集中在变化比较强烈的边缘部分或者比较复杂的背景区域；而基于全局特征对比的显著性的显著区域则不能很好凸显与周围有强烈对比度的区域。基于此，本发明提出一种融合局部-全局对比度的自底向上的视觉显著性计算方法，首先根据稀疏编码理论提取图像中的局部对比度和全局对比度特征，然后将这两种对比性的信息有机的结合起来，再根据人类视觉注意心理学研究的中心偏置理论，建立出一种更具准确性，鲁棒性的视觉显著性计算模型。
【发明内容】
[0004]要解决的技术问题
[0005]为了避免现有技术的不足之处，本发明提出一种融合局部-全局对比度的自底向上的视觉显著性生成方法。
[0006]技术方案
[0007]—种融合局部-全局对比度的自底向上的视觉显著性计算方法，其特征在于步骤如下:
[0008]步骤I提取图像中的图块及其特征:首先将图像下采样为NXN个像素，然后采用大小为size e [5，50]，步长为
【权利要求】
1.一种融合局部-全局对比度的自底向上的视觉显著性生成方法，其特征在于步骤如下: 步骤I提取图像中的图块及其特征:首先将图像下采样为NXN个像素，然后采用大小
为size e [5，50]，步长为
2.根据权利要求1所述的融合局部-全局对比度的自底向上的视觉显著性生成方法，其特征在于:所述步骤3和5中计算稀疏系数和残差的方法釆用文献Han B，Zhu H, DingY.“Bottom-up saliency based on weighted sparse coding residual”，Proceedings ofthel9th ACM interna tional conference on Multimedia.ACM, 2011:1117-1120 的方法。
【文档编号】G06K9/46GK103996040SQ201410200489
【公开日】2014年8月20日 申请日期:2014年5月13日 优先权日:2014年5月13日
【发明者】韩军伟, 张鼎文, 郭雷 申请人:西北工业大学