[发明专利]基于改进视觉注意模型的序列图像显著区域检测方法

权利要求书

1.一种基于改进视觉注意模型的序列图像显著区域检测方法，包括如下过程：

A.将序列图像按时间的先后顺序分为学习图像α和测试图像β两部分，然后按照先验知识，生成学习图像显著区域的注视图M；

B.利用改进的Itti视觉注意模型，生成每一帧学习图像α的特征显著度图γ和特征显著度图权值向量w1，并将注视图M与特征显著度图γ进行点对点相乘，得到排除非显著物体运动干扰的特征显著度图χ¹，同时记录该特征显著度图χ¹中对应注视区域的显著点坐标；去掉显著度图权值向量w1中方差大于0.005的权值向量，对剩余的多组权值向量取平均，作为最终的特征显著度图的权值向量w；

C.读入一帧测试图像β，令其特征显著度图权值向量等于学习图像α的特征显著度图权值向量w，并利用改进的Itti视觉注意模型生成该帧测试图像的显著度图χ²；读入记录的学习图像α的显著点坐标，递推预测出显著度图χ²的显著点坐标；根据预测出的显著点坐标建立抑制核心函数，并将该函数与显著度图χ²进行点对点相乘以凸显显著点周围的区域，并抑制其余区域，得到测试图像β最终的显著度图χ；

D.将该帧测试图像显著点的实际坐标反馈到显著点坐标读入处，更新显著点坐标值，利用已建立的显著点坐标递推关系和抑制核心函数，实现对下一帧测试图像显著区域的预测；

E.重复上述步骤C-D，得到每一帧测试图像的最终显著度图，实现序列图像显著区域的检测。

2.根据权利要求1所述的序列图像显著区域检测方法，其中步骤A所述的按照先验知识生成学习图像显著区域的注视图M，按如下步骤进行：

A1.用人眼确定注视点在图像中的区域，将注视点集中的区域用白色标记，背景部分用黑色标记；

A2.将标记后的图像与二维高斯核函数进行卷积运算，得到注视图M。

3.根据权利要求1所述的序列图像显著区域检测方法，其中步骤B所述的利用改进的Itti视觉注意模型生成特征显著度图γ和特征显著度图权值向量w，按如下步骤进行：

B1.利用Itti的视觉注意模型对学习图像α提取初始的颜色、亮度和方向的特征图，并对这些特征图进行多尺度几何分解、合并及归一化，得到颜色亮度和方向三个通道的特征显著度图I、C、O和I、C、O融合后的特征显著度图γ；

B2.将所述三个通道生成的特征显著度图I、C、O以及注视图M分别进行向量化操作，得到对应的向量I_v,C_v,O_v,M_v；

B3.根据线性方差最小准则求出特征显著度图权值向量w1：

arg minw||V·w1-Mv||2,]]>

其中，V＝[I_v,C_v,O_v]，w1＝[W_I,W_C,W_O]^T且w1≥0，W_I，W_C，W_O分别是颜色亮度和方向三个通道的特征显著度权值。