[发明专利]基于图像中全局颜色对比度和空域分布的视觉显著性算法

说明书

技术领域

本发明涉及计算机视觉领域，具体涉及一种图像中视觉显著性计算方法。

背景技术

视觉显著性的计算过程是通过模拟人眼观察图像的过程，进而提取人眼感兴趣区域，最后得到一幅与关注度相对应的视觉显著性图。人眼在观察一幅图像时常常会把注意力放在某一个比较突出的区域或图像块，这些突出的区域或图像块被称为视觉显著性区域。通过某种计算方法将这些视觉显著性区域突显出来的过程称为视觉显著性区域检测。为方便对图像进行高效的后续处理，受人眼的注意机制的启发，我们用计算机来模拟人类视觉系统，检测出图像的视觉显著区域。在显著对象识别、图像压缩、图像分类及图像/视频自适应等多方面，都是图像视觉显著性区域检测的重要应用场合。例如压缩，我们可以对图像中视觉显著的区域进行小比例的压缩或不压缩，对于图像中非视觉显著区域进行比较大比例的压缩，这样做既能实现图像压缩的目的，也不影响人们对图像的理解，图像中的信息保留得比较完全。视觉显著性计算方法旨在能够准确快速地检测出图像中与人眼关注度相对应的视觉显著性对象，检测结果表现为在输出图像中越亮的地方对应原始图像越显著的位置，计算的输出图称为视觉显著性图。

目前国内外研究学者们提出了多种不同的视觉显著性计算方法，主要有基于中心-周围对比度、频域分析、有监督学习和统计学等方法。如Hou（参考：X. Hou and L. Zhang. Saliency detection: A spectral residual approach, IEEE Conf. on CVPR, 2007.）提出一种容易实现的显著性检测方法，是采用单张图像的对数谱（傅里叶变换的幅度谱取对数）减去该图像经平均滤波后的对数谱得到的残余谱来表示图像的新信息。Hou等利用傅里叶逆变换，再经过高斯平滑去噪得到最终的视觉显著性图。Hou等人提出的计算方法仅几行程序就能实现，计算复杂度低，且不需要图像的任何先验知识。但缺点在于，得到的视觉显著性图的分辨率低于原始图像的分辨率，造成原始图像信息的丢失。Goferman（参考：S Goferman, L Zelnik-Manor, A Tal. Context-aware saliency detection. IEEE Conf. on CVPR, 2010）提出的显著性检测方法解决了低分辨率的问题，同时考虑了图像的局部差异和全局差异，并且有意地将显著对象周围的背景区域保留了下来，但是Goferman的方法通常在对象边缘附近产生更高的显著性值，而对象内部的显著性值有所下降，在均匀突出整个视觉显著性对象方面尚存在不足。

发明内容

本发明的目的在于提出一种基于图像中颜色全局对比度和空域分布的视觉显著性算法，由该方法得到的显著性图的分辨率与原始图像相同，显著性图中的显著对象被均匀突显出来，并且能够较好地抑制原始图像中非视觉显著区域。

为了达到上述目的，本发明的基于图像中颜色全局对比度和空域分布的视觉显著性算法，其具体步骤如下： 

（1）、输入原始图像，运用均值漂移算法把原始图像预分割为                                                个区域，，生成个预分割后的区域标记图；

（2）、计算第 个区域的颜色显著性值；

（3）、计算像素的颜色显著性值；

（4）、计算第 个区域的位置显著性值；

（5）、计算像素的位置显著性值；

（6）、计算像素的颜色和位置的显著性值，再对像素的显著性值进行归一化，计算每个像素归一化的显著性值。

上述步骤(2)所述的计算第 个区域的颜色显著性值，其具体步骤如下：

(2-1)、将原始图像中的颜色空间的三个颜色分量分别量化成12等分，再将颜色空间的三个颜色分量组合，组合成12³种颜色；

(2-2)、统计原始图像的12³种颜色在原始图像上出现的频率，组成全局直方图；

(2-3)、将全局直方图按照频率的高低进行降序排列，然后从前到后选择原始图像95%以上的颜色，没有被选择的颜色的频率叠加到已选择的最相近的颜色的频率中，选择后的颜色种数为；

(2-4)、分别计算个区域的直方图，计算出第个区域中种颜色出现的频率，得到个区域的直方图； 

(2-5)、分别利用第个区域直方图与全局直方图比较得出频率的差异，计算第个区域的颜色显著性值，其计算式为：

                      (1)