一种图像中像素显著程度的计算方法技术

本发明专利技术公开了一种图像中像素显著程度的计算方法，针对图像中的每个像素设计了一组多尺度范围内的邻域区域，通过采用Ｌ＊ａ＊ｂ＊颜色特征，分别计算出每个邻域区域内与该像素具有特征差异的像素，然后将这些具有差异性的像素在邻域区域内所占数量的比重当作该像素的显著程度。该方法考虑了像素在多个尺度上的计算，而且计算简单，容易实现。所得到的图像显著程度分布图不但与原图像具有相同的分辨率，而且在视觉上更具合理性，从而为基于显著程度的计算视觉应用提供鲁棒性良好的输入。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，具体涉及一种对图像中像素显著程度的计算方法。
技术介绍
心里学和认知科学的研究显示，当人们观察一幅图像时，我们的视觉系统会快速 地将注意力集中在某个或几个显著的区域上，然后再进一步观察图像中的内容，这些显著 的区域往往是我们感兴趣的区域。目前，对图像中显著区域的提取在计算视觉领域有着广 泛的应用，例如，在基于内容的图像提取(Content-based Image Retrieval, CBIR)研究 中，如果图像匹配采用的是从显著区域上提取的特征，那么匹配的效果及最终的提取命中 率要好于采用从整幅图像上提取的特征。其它的应用还包括，白适应图像压缩技术(如， JPEG2000)，视频的白适应浏览技术，目标识别，白适应图像缩放技术等。事实上，这些技术 有一个共同的假设，即，图像中的主要信息内容都集中在了图像的显著区域内，从图像的显 著区域上提取的特征不但可以为应用提供足够的信息，还可以避免那些由非显著区域带来 的干扰信息。因此，对图像中显著区域的提取具有重要的研究价值。目前，在计算视觉领域，为了提取出图像中的显著区域，通常采用的方法是，先通 过计算图像中每个像素的显著程度，得到图像的显著程度分布图(saliency map)，然后对 该显著分布图进行取阈值的运算，得到一个二值的图像分割结果，其中的前景区域即为所 要提取的显著区域。在上述过程中，显著程度分布图对最终显著区域提取的效果有着重 要的影响。目前，关于图像中像素显著程度的计算，主要分为基于生理学模型的方法和基 于计算模型的方法，通常，由这些方法得到的显著程度分布图分辨率较低。最近，阿坎特 Achant (参考R. Achanta, S. Hemami, F. Estrada, et al. Frequency-tunedsal ient region detection. IEEE Conf. on CVPR, 2009)提出了一个简单的计算方法，虽然由该方法得到的 显著程度分布图达到了与原图像相同的分辨率，但在一些情况下，从人的视觉感知上看显 得有些不合理。
技术实现思路
本专利技术的目的在于提供一种图像中像素的显著程度计算方法，由该方法计算出的 图像显著程度分布图不但具有与原图像相同的分辨率，同时在视觉感知上也更具合理性， 从而为基于显著程度的计算视觉应用提供鲁棒性良好的输入。一种图像中像素的显著程度计算方法，对于图像中的每一个像素p，按照如下方法 进行计算(1)求取像素p的一组多尺度范围内的邻域区域；其中，距离像素p最近的邻域区域是一个圆形区域^(p)，定义如下R0(p) = {q|0 ≤ II p-q || 2 ≤ r0，q ∈ ∧}|| II 2表示欧式距离度量，A表示图像中所有的像素，A为该圆形区域的半径；圆形区域礼(p)之外的邻域区域是k个以像素p为圆心的同心圆所围成的环形区域，它们的定义如下 是环型区域Rjp)的外边界到p的半径A W是图像的宽度，H是 图像的高度，相邻环形区域间的半径步长差恒定；(2)利用图像中像素的LW颜色特征，分别计算上述各邻域区域内与像素p具有 差异程度的像素；(2. 1)在圆形区域R。(p)内，与像素p具有差异程度的像素D。(p)表征为 其中Ip，、表示像素p，争的LW颜色特征值，％，其中4，<和《 分别为图像中所有像素在LW颜色空间中三个通道上的方差；(2.2)在每一个环形区域Ri(p)内，与像素p具有差异程度的像素Di(p)表征为 Dt(P) = { ^ ￥ IKII2 ^RXP) }，i = U其中I於表示像素 ？/ 的L、、*颜色特征值， 或，I 表示集合的势，lq,表示 、Ip如果 DJpVRJP)像素q'的LW颜色特征值； (3)计算像素p的显著程度风沟 本专利技术的技术效果体现在从S(p)的定义可以看出，本专利技术关于像素p的显著程 度计算就是在像素P的k个环形区域中与像素p不相似的像素个数所占比例的平均值，该 定义既简单又容易实现，可以将s(p)看成一个滤波器，然后对图像进行滤波即可，在实现 时可以采用并行处理的方法加速运算过程。所得到的图像显著程度分布图不但与原图像具 有相同的分辨率，而且在视觉上更具合理性，从而为基于显著程度的计算视觉应用提供鲁 棒性良好的输入。附图说明图1为本专利技术方法流程图；图2为本专利技术一组多尺度范围内的邻域区域示意图；图3为对六个实例采用不同方法计算的效果对比图，其中图3(a)为六副真实的 自然图像，图 3(b)为采用文献(L. Itti, C. Koch, E. Niebur. A model of saliency based visual attention for rapid scene analysis. IEEETrans. on PAMI. ,1998, 20(11) 1254-1259)方法得到的结果，图 3(c)为采用文献(X. Hou，L. Zhang. Saliency detection A spectral residualapproach. IEEE Conf. on CVPR, 2007)方法得到的结果，图 3 (d)为 米用文献(R. Achanta, S. Hemami, F. Estrada, et al. Frequency-tunedsalient region detection. IEEE Conf. on CVPR, 2009)方法得到的结果，图3 (e)为采用本专利技术方法得到的 结果。具体实施例方式下面结合附图对本专利技术作进一步详细的说明。如图1所示，具体过程为(1)给定一幅自然图像I，对于该图像中的每一个像素p，首先求得该像素p—组 多尺度范围内的邻域区域。其中距离像素p最近的邻域区域是一个圆形区域RJP)，如图2 所示，其定义如下R0(p) = {q|0 彡 II p_q || 2 彡 r0，q G 八}其中|| II 2表示欧式距离度量，A表示图像中所有的像素，A为该圆形区域的半 径。除了上述圆形区域Rjp)之外，剩下的邻域区域是一组以像素p为圆心的同心圆 所围成的k个环形区域，如图2所示，它们的定义如下Ri(p) = {tjr^ 彡 || p_t || 2 彡 t GA }，i = 1， ，k其中是环型区域Ri(p)的外边界到p的半径，本专利技术中，对于这k个环形区域，我 们令巧=A r,并且要求最大的半径rk满足(=imin(W,H)，其中W是图像I的宽度，H 是图像I的高度。对于这组关系，如果我们设定了环形区域个数k与半径r(l的值，那么Ar 的值是很容易得到的。(2)利用图像中像素的LW颜色特征，计算出上述各邻域区域内与像素p具有一 定差异程度的所有像素。(2.1)其中在圆形区域R。(p)内，对于与像素p具有一定差异程度的那些像素DcXp)，我们定义其计算公式为D0(p) = { ^ a, < ||V/J|2 ^R0{p) }其中Ip，、表示像素p，沴的LW颜色特征值，|| ||2指欧式距离度量，而 =扣》！，其中4，<和 2分别对应图像I中所有像素在LW颜色空间中三个通 道上的方差。(2. 2)而在每一个环形区域氏(p)内，对于与像素p本文档来自技高网...

【技术保护点】
一种图像中像素的显著程度计算方法，对于图像中的每一个像素ｐ，按照如下方法进行计算：（１）求取像素ｐ的一组多尺度范围内的邻域区域；其中，距离像素ｐ最近的邻域区域是一个圆形区域Ｒ↓［０］（ｐ），定义如下：Ｒ↓［０］（ｐ）＝｛ｑ｜０≤｜｜ｐ－ｑ｜｜↓［２］≤ｒ↓［０］，ｑ∈∧｝｜｜.｜｜↓［２］表示欧式距离度量，∧表示图像中所有的像素，ｒ↓［０］为该圆形区域的半径；圆形区域Ｒ↓［０］（ｐ）之外的邻域区域是ｋ个以像素ｐ为圆心的同心圆所围成的环形区域，它们的定义如下：Ｒ↓［ｉ］（ｐ）＝｛ｔ｜ｒ↓［ｉ－１］≤｜｜ｐ－ｔ｜｜↓［２］≤ｒ↓［ｉ］，ｔ∈∧｝，ｉ＝１，．．．，ｋｒ↓［ｉ］是环型区域Ｒ↓［ｉ］（ｐ）的外边界到ｐ的半径，ｒ↓［ｋ］＝１／４ｍｉｎ（Ｗ，Ｈ），Ｗ是图像的宽度，Ｈ是图像的高度，相邻环形区域间的半径步长差恒定；（２）分别计算上述各邻域区域内与像素ｐ具有差异程度的像素；（２．１）在圆形区域Ｒ↓［０］（ｐ）内，与像素ｐ具有差异程度的像素Ｄ↓［０］（ｐ）表征为：Ｄ↓［０］（ｐ）＝｛ｑ％σ↓［Ｉ］≤‖Ｉ↓［ｑ％］－Ｉ↓［ｐ］‖↓［２］ｑ％∈Ｒ↓［０］（ｐ）｝其中Ｉ↓［ｐ］，Ｉ↓［ｑ％］表示像素ｐ，ｑ％的Ｌ↑［＊］ａ↑［＊］ｂ↑［＊］颜色特征值，＊＊＊，其中σ↓［Ｌ］↑［２］，σ↓［ａ］↑［２］和σ↓［ｂ］↑［２］分别为图像中所有像素在Ｌ↑［＊］ａ↑［＊］ｂ↑［＊］颜色空间中三个通道上的方差；（２．２）在每一个环形区域Ｒ↓［ｉ］（ｐ）内，与像素ｐ具有差异程度的像素Ｄ↓［ｉ］（ｐ）表征为：Ｄ↓［ｉ］（ｐ）＝｛Ｉ％σ↓［Ｉ］≤‖Ｉ↓［％］－Ｍ↓［ｐ］↑［ｉ－１］‖↓［２］ｌ％∈Ｒ↓［ｉ］（ｐ）｝ｉ＝１，．．．，ｋ其中Ｉ↓［％］表示像素ｌ％的Ｌ↑［＊］ａ↑［＊］ｂ↑［＊］颜色特征值，＊＊＊或，｜.｜↓［ｃａｒｄ］表示集合的势，Ｉ↓［ｑ′］表示像素ｑ′的Ｌ↑［＊］ａ↑［＊］ｂ↑［＊］颜色特征值；（３）计算像素ｐ的显著程度Ｓ（ｐ）＝１／ｋ＊｜Ｄ↓［ｉ］（ｐ）｜↓［ｃａｒｄ］／｜Ｒ↓［ｉ］（ｐ）｜↓［ｃａｒｄ］。...

【技术特征摘要】

【专利技术属性】
技术研发人员：黄锐，桑农，王岳环，刘乐元，高常鑫，高峻，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：83[中国|武汉]