[发明专利]一种基于颜色对比度的局部区域检测子提取方法及系统

说明书

技术领域

本发明涉及图像检索、图像识别、对象跟踪检测领域，特别涉及一种基于颜色对比度的局部区域检测子提取方法及系统。

背景技术

目前顶级的图像检测子主要分为两类：基于角点的检测子，如Harris Affine Detector、Hessian Affine Detector；基于区域的检测子，如IBR、EBR、SIFT、MSER。目前研究已发现，基于区域的检测子在图像检索应用中取得的效果优于基于角点的检测子，其主要原因是基于区域的检测子能提取更具代表性和区分性的局部区域。

MSER区域检测子被证明是最佳的区域检测子，然而MSER区域检测子也存在其自身的缺陷与不足，实验发现，MSER区域是灰度分布相一致的稳定极值区域，然而这样的区域多为冗余而繁杂的区域，不具备代表性，造成内容消耗大，提取检测子速度慢，寻根溯源，在于MSER底层排序的区分力度不够，针对该问题，我们提出基于颜色对比度排序的CCM区域检测子，减少内存消耗，加快检测子提取速度。

发明专利“一种用于替换视频中感兴趣区域的方法及装置”，该发明实施例公开了一种用于替换视频中感兴趣区域的方法及装置，涉及视频处理技术领域，所述方法包括：确定目标视频帧中感兴趣区域的位置；在三维坐标系中，根据所述目标视频帧中感兴趣区域的位置，确定预设的待替换图像的映射图像；将所述目标视频帧中感兴趣区域替换为所述映射图像。应用该发明实施例，替换目标视频帧中的感兴趣区域后，可以与其周围像素自然过渡，提高用户体验效果。但是该发明是通过感兴趣区域的映射，替换目标视频中感兴趣区域，实现局部的替换和更新，提升用户体验。而本发明是通过分析图像颜色一致性，从而提取图像中具有代表性的局部区域。

发明专利“基于感兴趣区域的幅型比变换方法”，该发明公开了一种基于感兴趣区域的幅型比变换方法，主要解决现有方法变换后运动目标失真的缺陷。其步骤为：利用光流场信息和模糊聚类技术进行运动区域检测，同时采用均值偏移算法实现图像空域分割，并将空间分隔后的图像与运动区域检测后的运动区域进行投影计算，得到精确的运动目标；利用图像修复技术修补被运动目标遮掩的背景区域，获得完整的背景；利用图像插值算法，对修复后的背景和运动目标分别采用不同的变换比例进行变换；将变换后的背景和目标物相叠加合成相应幅型比的视频图像。该发明既保证了变换后运动目标的无失真性，又很好地保持了画面的和谐和视频的连续，提高了变换后的视觉效果，适用于视频图像处理的格式转换。但是该发明是将感兴趣区域的幅型比变换方法应用于运动目标失真的修复和变换中，本发明重点在于对感兴趣区域的检测过程。

发明内容

针对现有技术不足，本发明提出了一种基于颜色对比度的局部区域检测子提取方法及系统。

本发明提出一种基于颜色对比度的局部区域检测子提取方法，包括：

步骤1，获取图像，并对所述图像的四个角进行尺度选择，通过二维信息熵值的局部极小值选取所述图像的图像背景的最佳尺度，根据所述最佳尺度，建立背景RGB三通道高斯混合模型；

步骤2，对所述图像中每个像素点建立RGB三通道高斯混合模型，并根据每个所述像素点的RGB三通道高斯混合模型与所述背景RGB三通道高斯混合模型的KL距离，更新所述图像的颜色对比度排序；

步骤3，根据所述颜色对比度排序，通过分水岭的区域检测方式检测对比度一致的区域，所述区域为所述局部区域检测子。

所述的基于颜色对比度的局部区域检测子提取方法，所述二维信息熵值的计算方式如下：

其中C代表RGB三通道,s代表尺度,w_i代表信息熵的权重，信息熵H_i(s)定义如下：

其中Q代表量化后的颜色对比度值,p_ij(c,s)代表像素值f(i,j)出现在一副M×N大小的图像中的概率,f(i,j)代表像素值i的八邻域像素值为j的概率值，M为图像的宽度，N为图像的高度。

所述的基于颜色对比度的局部区域检测子提取方法，颜色对比度排序计算公式为：