基于颜色和纹理显著性的目标检测方法与流程

本发明具体涉及一种基于颜色和纹理显著性的目标检测方法。

背景技术：

人眼可以很容易地判断图像中的显著性区域，并注意到图像的重要部分。所谓显著性区域，可以理解为图像中的主要目标，是人的视觉能够在很短的时间内将注意力集中到图像中某个能激发人们兴趣的区域。显著图可以广泛应用于许多计算机视觉领域的应用。

现有的图像显著区提取方法中，很多方法是基于像素级的局部或全局计算，主要是基于像素点和周围像素的特征对比，忽略了显著目标自身信息的指导，使得检测结果不都理想。

技术实现要素：

本发明要解决的技术问题是提供一种基于颜色和纹理显著性的目标检测方法。

基于颜色和纹理显著性的目标检测方法，包括以下步骤：

s1：对输入的rgb彩色图像进行颜色空间的转化；

s2：图像分块：对于维数为的图像i，将其分解为一系列大小为的图像片；不考虑图像片的重叠问题，那么图像片的总数为；对于任一图像片，将其表示成向量形式，最终得到一个表示图像片的矩阵；

s3：计算颜色显著值：颜色空间分布定义为小块与其它图像块的空间分布差异，并用颜色差距作为权重，故图像块的空间分布定义为：

；

其中，为颜色权重，控制颜色权重的强度；

将空间分布用指数函数表示：

；

其中，是第i个图像块的颜色显著性值，是颜色独特性，表示颜色的空间分布，k控制空间分布所占的比重；

s4：计算纹理显著值：定义图像块之间纹理对比度为：

；

其中，表示图像片纹理对比度，、表示图像片和的纹理特征向量，表示向量的2范数，由此得到图像的纹理显著性；

s5：特征融合：采用线性融合方法；

；

和为满足的常系数。

本发明的有益效果是：

本发明先将图像分割成小的图像片以获取图像的局部信息，结合图像片颜色的独特性和空间分布的紧凑型计算得到颜色显著性，同时利用gabor滤波器对图像进行不同尺度和方向地滤波得到纹理特征向量，然后对特征向量计算纹理差异得到纹理显著图，最后将二者结合得到最终显著图。该方法在检测效果和抗噪能力等方面均可获得满意的结果。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。

基于颜色和纹理显著性的目标检测方法，包括以下步骤：

s1：对输入的rgb彩色图像进行颜色空间的转化；

s2：图像分块：对于维数为的图像i，将其分解为一系列大小为的图像片；不考虑图像片的重叠问题，那么图像片的总数为；对于任一图像片，将其表示成向量形式，最终得到一个表示图像片的矩阵；

s3：计算颜色显著值：颜色空间分布定义为小块与其它图像块的空间分布差异，并用颜色差距作为权重，故图像块的空间分布定义为：

；

其中，为颜色权重，控制颜色权重的强度；

将空间分布用指数函数表示：

；

其中，是第i个图像块的颜色显著性值，是颜色独特性，表示颜色的空间分布，k控制空间分布所占的比重；

s4：计算纹理显著值：定义图像块之间纹理对比度为：

；

其中，表示图像片纹理对比度，、表示图像片和的纹理特征向量，表示向量的2范数，由此得到图像的纹理显著性；

s5：特征融合：采用线性融合方法；

；

和为满足的常系数。