[发明专利]基于L1正则化的图像显著性检测方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于L1正则化的图像显著性检测方法。

背景技术

基于图像的目标检测是计算机视觉和模式识别领域的重要课题，在图像分割，图像检索和机器人自主感知等领域中有着广泛的应用。在各类目标检测方法中，显著性方法以其对人类视觉注意机制的探索和模拟吸引了大量研究者的关注。人类视觉机制能够从观察到的大量场景信息中快速地检索出感兴趣物体，从而极大地提升了人类对场景的理解效率和反应速度。显著性检测方法基于这个原理，通过分析图像内容，将图像中与周围区域差异明显的部分标示出来，即“显著性区域”，以便后续进行高效的图像处理。

显著性检测方法计算模型分为自上而下和自下而上两类，自上而下的方法依赖于特定的检测任务和内容，而自下而上的方法则完全通过对输入图像的分析进行检测。在自下而上的方法中，空域检测通过对图像局部颜色，方向，纹理等特征或者全局对比度的统计，寻找与周边特征差异明显的区域作为显著性区域，频域分析则根据变换域理论，对图像频谱进行处理，突出显著区域对应分量，抑制非显著区域对应分量。频域分析方法无需对目标的特征进行设计和统计，具有实现方便高效的优点。几种典型的频域处理方法，如频谱残差法(SR),相位谱傅立叶变换法(PFT)和四元数傅立叶变换(HFT)对大多数简单自然场景目标具有良好的检测效果。然而，由于没有考虑空域的信息，当图像场景结构复杂，存在较多高频细节成分时，传统的频域分析方法会受到复杂背景的极大干扰，产生许多杂乱的噪声点，这样一方面会造成显著区域的误检，另一方面也会影响基于二维熵的尺度选择的准确性。因此，如何实现复杂场景中的目标检测，是频域显著性检测面临的难题。

发明内容

本发明的目的在于针对频域显著性检测方法的不足，提供一种基于L1正则化的图像显著性检测方法，该方法同时考虑空域和频域的稀疏性，有效地消除了复杂及高频细节背景的影响，在人眼注视点检测和物体分割检测方面取得了更好的效果。

本发明的目的是通过以下技术方案来实现的：

(1)输入待检测图像；待检测图像为彩色图像，由红、蓝、绿三个颜色通道组成；

(2)将步骤1输入的图像分解为三个颜色特征图(RG,BY,I)，对每个颜色特征图进行傅里叶变换，并且计算傅里叶变换的对数幅度谱L(u,v)和相位谱P(u,v)，其中u，v为频谱的坐标值；

(3)在每一个颜色特征图上，使用8个不同方差大小的高斯滤波器h_k(u,v)，k＝1～8，对对数幅度谱L(u,v)进行卷积滤波，得到滤波后的8个不同尺度的傅里叶对数幅度谱，结合相位谱P(u,v)，得到一组不同尺度的傅里叶变换F_k，其描述如下：

F_k＝exp(L(u,v)*h_k(u,v)+i·P(u,v)),k＝1～8  (1)

其中L(u,v)表示颜色特征图对数幅度谱，h_k(u,v)表示不同方差大小的高斯滤波器，i表示虚数单位，P(u,v)表示颜色特征图相位谱，*表示卷积运算符，下标k表示尺度序号；

(4)在每一个颜色特征图上，构建基于TV norm正则化的L1优化问题并采用Split Bregman方法求解，得到该颜色特征图上的8张不同尺度的显著性图像在3个颜色特征图上共得到24个显著性图像其描述如下：