[发明专利]基于特征的动态视觉注意区域提取方法

权利要求书

1.一种基于特征的动态视觉注意区域提取方法，其特征在于包括以下步骤：

第一步，采用独立成分分析方法对大量的自然图像进行稀疏分解，得到一组滤波基函数和对应的一组重构基函数，将输入的图像分成m×m的RGB小块，并投影到这组滤波基函数上，得到该图的特征，具体如下：

①将训练图片分成若干个m×m像素大小的RGB彩色小块，并将每个小块向量化，对自然图片进行采样，得到大量的m×m的RGB彩色小块，将其作为训练样本，m的取值是8，16或32，m为每个RGB彩色小块的边长；

②通过标准的独立成分分析方法，训练出基函数(A，W)，基函数的个数为m×m×3＝3m²，即 其中w_i为第i个滤波基函数，基函数A的个数大小与基函数W一样，1≤i≤3m²，A，W是ICA方法训练出来的基函数；

③对于任意一幅图片X，将其分成n个m×m的RGB小块，形成采样矩阵X＝[x₁，x₂，…x_n]，其中x_k是第k个图像块的向量化表示，1≤k≤n，对x_k进行线性变换 其中W是训练好的滤波基函数，则S_k为基函数的对应系数，也就是图片小块x_k的特征，s_k，i为第i基函数对应系数，即为第i个特征的值，对所有的x_k都做同样的处理，得到X的特征S＝[S₁，S₂，...，S_n]，n是输入图片X被分成RGB小块的个数，其值是由输入图片X的大小和m的取值所确定的；

第二步，为每个特征衡量增量编码长度指标，具体如下：

①对于每个特征i，计算其激活率p_i： 并令 则p为一个随机变量的概率密度分布，其熵为H(p)；

②计算第i个特征的增量编码长度ICL(p_i)：

第三步，依据这些增量编码长度指标，通过对各个特征的能量重新分配来处 理各个小块的显著度，从而最终得到显著地图，具体如下：

①根据所得到的各个特征的增量编码长度指标，划分显著特征集合SF：

SF＝{i|ICL(p_i)＞0}

②依照预测编码原则，在各个特征之间重新分配能量，对于显著特征集合内的特征i，分配权重d_i，i∈SF：

if，i∈SF

而对于非显著特征，定义其权重 

③那么对于图片小块x_k，其显著度定义为m_k： 其中d_i为②步中所分配给第i个特征的权重；

④有了各个图片小块的显著度之后，通过重构基A，生成整幅图片的显著地图M： 其中A_k表示重构基A的第k个列向量。