【技术实现步骤摘要】
本专利技术涉及图像处理中的区域分析,特别涉及图像中的显著区域检测并提供灰度 图像中视点在极显著的区域间进行转移的预测方法。
技术介绍
在人类所有的感觉中,至少有70%的外界信息是通过视觉系统获取的。生物视觉 系统,包括人类视觉系统,能自动选择场景中显著的区域进行理解,并在不同的区域间进行 切换。从图像或者感受野中提取显著的特征,并把它们分成不同的区域,从中选择显著的区 域是感知理解的根本任务。这种能力就是视觉理解中的视觉注意选择。当显著的区域被选 择之后,由于视觉系统的适应性,注意力会从当前显著的区域转到下一个显著的区域,这是 注意转移。视觉注意选择和视觉注意转移是保证生物系统以有限的处理能力完成任务的重 要机制。人眼处理视觉图像时可以在很短的时间内轻松的进行感知和理解,并且实现从一 个显著的区域转移到下一个显著的区域。现代高速计算机的计算能力已达到惊人的程度, 但计算机视觉系统却无法指导诸如过马路之类对人来说非常简单的视觉任务。这主要是因 为同样面对海量的视觉信息输入,人眼可以在短时间内有选择地关注视觉场景中的显著变 化区域,并进行分析判断,从而适应环境的变化。而计算机视觉系统只会不加选择地平等对 待视觉场景中的各个区域,在无法理解场景变化的同时还会造成计算瓶颈。如果我们把人 类视觉系统的选择性注意功能引入到计算机视觉系统中,势必会提升现有计算机图像分析 效率。如果能够将这种机制引入图像分析领域,将计算资源优先分配给那些容易引起观 察者注意的显著区域,必将极大地提高现有图像分析方法的工作效率。图像的视觉显著性 区域检测有着广泛的应用,如图像智能裁剪缩放 ...
【技术保护点】
一种灰度图中视觉注意区域转移预测方法,包括:计算一幅灰度图像中所有像素的侧电势,根据已经得出的侧电势和阈值得到领导者;每个领导者找到它的追随者,并形成不同区域;对每个区域计算显著值;依据显著值的不同对前三个显著区域进行显示;其特征在于包括:步骤1、对一幅灰度图像中的所有像素计算其八邻域内的像素对其产生的侧电势;像素j对像素i侧电势Lateral(i,j)计算公式为:Lateral(i,j)=I↓[M]/(1+|I↓[j]-I↓[i]|),j∈N(i)(1)其中Lateral(i,j)表示像素j对像素i的侧电势,N(i)表示像素i的八邻域,像素j是像素i的八邻域中的像素,I↓[M]=255,I↓[i]和I↓[j]分别是像素i和j的灰度值,一个像素的侧电势定义为L(i),如公式为:L(i)=*Lateral(i,j)j∈N(i)(2)计算出所有像素的侧电势L(i),如果L(i)>θ,则认为像素i是领导者像素,反之则认为不是领导者像素;步骤2、寻找领导者像素的追随者并形成不同区域,设定当前块数为C=1,按照图像中自上而下自左至右的顺序从每个领导者出发;首先判断该领导者有没有被标记,若被标记则 ...
【技术特征摘要】
一种灰度图中视觉注意区域转移预测方法,包括计算一幅灰度图像中所有像素的侧电势,根据已经得出的侧电势和阈值得到领导者;每个领导者找到它的追随者,并形成不同区域;对每个区域计算显著值;依据显著值的不同对前三个显著区域进行显示;其特征在于包括步骤1、对一幅灰度图像中的所有像素计算其八邻域内的像素对其产生的侧电势;像素j对像素i侧电势Lateral(i,j)计算公式为 <mrow><mi>Lateral</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <msub><mi>I</mi><mi>M</mi> </msub> <mrow><mn>1</mn><mo>+</mo><mo>|</mo><msub> <mi>I</mi> <mi>j</mi></msub><mo>-</mo><msub> <mi>I</mi> <mi>i</mi></msub><mo>|</mo> </mrow></mfrac><mo>,</mo><mi>j</mi><mo>∈</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow>其中Lateral(i,j)表示像素j对像素i的侧电势,N(i)表示像素i的八邻域,像素j是像素i的八邻域中的像素,IM=255,Ii和Ij分别是像素i和j的灰度值,一个像素的侧电势定义为L(i),如公式为 <mrow><mi>L</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mn>8</mn></munderover><mi>Lateral</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo></mrow><mo>,</mo><mi>j</mi><mo>∈</mo><mi>N</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow><mo>-</mo><mo>-</mo...
【专利技术属性】
技术研发人员:段立娟,房法明,乔元华,王海丽,吴春鹏,苗军,杨震,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。