一种图像显著性检测方法
【专利摘要】本发明公开了一种图像显著性检测方法，包括以下步骤：1)对图像进行分块处理，划分为K个大小为M×N的图像块；其中，K，M和N的值由用户设定；2)计算各图像块的特征值，所述特征值包括亮度特征值、颜色特征值、方向特征值，深度特征值和稀疏特征值；3)将图像块的各特征值量化到同一区间范围，将各特征值融合计算得到各图像块与其余图像块之间的差异值；4)确定加权系数，将各图像块与其余图像块之间的差异值加权求和计算得到各图像块的显著性值。本发明的图像显著性检测方法，通过在传统的特征值基础上引入了深度特征和稀疏特征，较符合人类视觉系统观察图像的特点，从而确保处理得到的显著性图较符合人类视觉系统，显著性图较准确。
【专利说明】一种图像显著性检测方法
【【技术领域】】
[0001]本发明涉及计算机视觉领域，特别是涉及一种图像显著性检测方法。
【【背景技术】】
[0002]人类在观察图像时，通常只关注整幅图像或整段视频中很小的较为显著的一部分。因此，计算机模拟人类视觉系统时，主要通过检测图像中显著性区域进行模拟。显著性检测已逐渐成为计算机视觉领域非常重要的一个研究课题。显著性检测在人机交互、智能监控、图像分割、图像检索和自动标注等方面有很大的发展前景。在这个研究领域中，如何运用有效的方法从图像中准确的检测出显著区域，是一个非常重要的问题。传统的显著性检测方法有多种，但对于某些图像，如图像中存在近景和远景，且远景距离观察者较远的图像，对于这类图像的显著性检测，结果不太符合人类视觉系统，检测结果还不太准确。
【
【发明内容】
】
[0003]本发明所要解决的技术问题是:弥补上述现有技术的不足，提出一种图像显著性检测方法，对图像的显著性检测更符合人类视觉系统，检测结果较准确。
[0004]本发明的技术问题通过以下的技术方案予以解决:
[0005]一种图像显著性检测方法，包括以下步骤:1)对图像进行分块处理，划分为K个大小为MXN的图像块；其中，K，M和N的值由用户设定；2)计算各图像块的特征值，所述特征值包括亮度特征值、颜色特征值、方向特征值，深度特征值和稀疏特征值，其中，深度特征
值
【权利要求】
1.一种图像显著性检测方法，其特征在于:包括以下步骤: 1)对图像进行分块处理，划分为K个大小为MXN的图像块；其中，K，M和N的值由用户设定； 2)计算各图像块的特征值，所述特征值包括亮度特征值、颜色特征值、方向特征值，深度特征值和稀疏特征值，其中，深度特征值
2.根据权利要求1所述的图像显著性检测方法，其特征在于:所述步骤I)中采用区域生长法对图像进行分块处理，分块时选取图像的显著中心块作为中心进行分块处理，所述图像的显著中心块为图像的初始显著图中显著值最大的块。
3.根据权利要求1所述的图像显著性检测方法，其特征在于:所述步骤4)中，以人类视觉尖锐系数作为加权系数进行加权求和，所述人类视觉尖锐系数
4.根据权利要求1所述的图像显著性检测方法，其特征在于:所述步骤2)中，所述图像中深度值的范围在O~255，特征值融合时的量化区间范围为O~255，设定X1 = 255，λ 2 = I ο
5.根据权利要求1所述的图像显著性检测方法，其特征在于:所述步骤3)中，根据如下公式进行融合计算当前图像块P与图像块q之间的差异值
6.根据权利要求1所述的图像显著性检测方法，其特征在于:所述步骤I)中设定M=.8，N = 8 ;所述步骤2)中A为根据独立变量分析ICA算法得到的多个稀疏编码单元中前64个。
7.根据权利要求1所述的图像显著性检测方法，其特征在于:所述步骤2)中所述独立变量分析ICA算法为固 定点算法。
【文档编号】G06T7/00GK103996195SQ201410226552
【公开日】2014年8月20日 申请日期:2014年5月26日 优先权日:2014年5月26日
【发明者】袁春, 陈刚彪 申请人:清华大学深圳研究生院