[发明专利]基于边缘的图像显著性检测

说明书

联合研究

本申请由北方工业大学与北京交通大学信息所联合研究，并得到以下基金资助：国家自然科学基金(No.61103113)。

技术领域

本发明涉及基于边缘的图像显著性检测方法、装置和计算机程序产品。

背景技术

在这个互联网信息时代，每天都有大量的图片信息被分享，面对如此多的信息，面向目标物体的图像检索技术越来越受到重视。图像显著性检测就是解决这个问题的一个有效途径。图像显著性检测和目标提取是计算机视觉和模式识别领域的一个重要问题，同时涉及许多其它科学领域。

基于计算机的视觉显著性检测的研究很早以前就开始了。视觉显著性通常发生在自底向上的图像特征驱动模型中，它的机理首先由Koch和Ullman阐述，并描述了在计算机上实现显著性检测的体系结构。接着Itti使用金字塔图像不同级交叉相减的方法，求得图像hsI三个通道的显著图，最后通过叠加三个通道的显著图而形成最后的显著图。它能突出显示一些图像的显著区域。Hou X.D.等使用傅里叶变换图像，然后计算图像光残普差，再通过反变换获得图像显著图。

除了区域显著性以外，还有通过显著点检测实现面向目标物体的图像检索方法。Lowe D G提出了一种鲁棒性很好的尺度不变特征描述方法SIFT，首先通过高斯差分滤波器构建高斯金字塔图像，它通过对高斯金字塔图像进行极值检测，确定极值点位置并为极值点指定主方向参数，最后形成关键点描述向量。通过这种方法也可以准确的进行图像匹配。但是这种方法计算数据量大、时间复杂度高。针对这些缺陷，Bay等人在此基础上提出了SURF方法提取特征点，它结合积分图像和hessian矩阵的优点，降低了算法的时间复杂度，而且运算量也减小了很多，达到的效果跟sift基本上保持一致。这些方法有一个共同点-他们利用各种办法去除边缘响应点和曲率较大的点。因为在多尺度显著点检测中这些点是不稳定的。但是对于一般的图像检索来说，人们往往不关注图像的精确匹配，而是跟目标图像相关的那些图像。所以这种情况下图像的边缘点也显得很重要了。

因此，本发明的目的在于在图像显著性检测过程中同时考虑图像中边缘，以达到更佳的检测效果。本文采用的方法就是通过显著点和边缘点的检测来确定显著物体在图像中的区域。通过这种方法可以更加准确的提取图像中显著物体的底层特征信息。相比于全局特征信息，显著区域特征信息更有利于面向物体的图像检索。

附图说明

图1示出了根据本发明的一个实施例的图像处理系统；

图2示出了根据本发明的一些实施例的基于边缘的图像显著性检测的流程图；

图3示出了根据本发明的一些实施例的基于边缘的图像显著性检测装置；以及

图4示出了根据一些实施例的一种基于边缘的图像显著性检测装置的细节。

具体实施方式

现在参考附图来描述各种方案。在以下描述中，为了进行解释，阐述了多个具体细节以便提供对一个或多个方案的透彻理解。然而，显然，在没有这些具体细节的情况下也能够实现这些方案。

如在本申请中所使用的，术语“组件”、“模块”、“系统”等等旨在指代与计算机相关的实体，例如但不限于，硬件、固件、硬件和软件的组合、软件，或者是执行中的软件。例如，组件可以是但不限于：在处理器上运行的进程、处理器、对象、可执行体(executable)、执行线程、程序、和/或计算机。举例而言，运行在计算设备上的应用程序和该计算设备都可以是组件。一个或多个组件可以位于执行进程和/或者执行线程内，并且组件可以位于一台计算机上和/或者分布在两台或更多台计算机上。另外，这些组件可以从具有存储在其上的各种数据结构的各种计算机可读介质执行。组件可以借助于本地和/或远程进程进行通信，例如根据具有一个或多个数据分组的信号，例如，来自于借助于信号与本地系统、分布式系统中的另一组件交互和/或者与在诸如因特网之类的网络上借助于信号与其他系统交互的一个组件的数据。

图1示出了根据本发明的一个实施例的图像处理系统100。装置101为图像采集设备，用于依据现有技术中已知的任何图像采集技术来获取待处理的图像，所采集的图像可以经由通信装置直接传送给图像处理装置103，或者可以存储在存储装置105中以待后续处理。在本发明的一个实施例中，图像采集装置101直接在用户所访问的网页上获取与网页相关联的图像。