[发明专利]一种基于局部结构检测和对比度的视觉显著图生成方法

说明书

技术领域

本发明实施例涉及图像处理技术，尤其涉及一种基于局部结构检测和对比度的视觉显著图生成方法。

背景技术

目前图像的视觉显著性检测方法主要分为两大类：数据驱动的自底向上模型和任务驱动的自顶向下模型。任务驱动模型的思想是利用已知任务的先验知识对特定对象在场景中进行视觉搜索，提取相应的显著特征，计算得到的显著图都是与具体的任务相关。数据驱动的自底向上模型所定义的显著性是指图像中具有差异性、不可预测性、稀少性和奇异性的对象，其采取的思路是提取图像的底层特征，如亮度、颜色、纹理等，进而通过“中心-周围”算子的差异性来衡量局部区域的显著度，最后合并所有的特征形成以灰度表示的显著图。

现有的基于底层特征进行显著性检测的方法主要是依赖于像素点(或区域)间的相互对比，对空间关系的引入不合理，以及缺乏对显著目标自身特性的分析和利用。

发明内容

针对上述问题和不足，本发明提供一种基于局部结构检测和对比度的视觉显著图生成方法，以生产全分辨率显著图，使得所获得的显著图更加突出了目标区域，抑制了背景区域的干扰。

本发明提供一种基于局部结构检测和对比度的视觉显著图生成方法，包括：

对原始图像进行局部结构特征分析，以获取原始图像中目标区域和背景区域的分布信息；

根据所述背景区域的分布信息，计算所述原始图像中各像素点的颜色特征与所述背景区域颜色均值之间的颜色距离值，并基于颜色距离值生成原始图像的初始显著图；

根据所述目标区域的分布信息，计算所述原始图像中各像素点与所述目标区域的质心坐标之间的空间距离，并基于空间距离生成所述原始图像中各像素点的位置关系权重值；

根据所述原始图像中各像素点的位置关系权重值对所述初始显著图进行优化以生成所述原始图像的优化显著图。

具体地，在上述方案的基础上，所述对原始图像进行局部结构特征分析，以获取原始图像中目标区域和背景区域的分布信息包括：

步骤1、对输入的原始图像进行灰度变换提取灰度特征，并对所述原始图像进行分块操作，计算以所述原始图像中某一像素点为中心的N×N邻域图块的一阶局部梯度向量

步骤2、定义所述邻域图块的局部结构张量，即局部梯度协方差矩阵计算所述局部梯度协方差矩阵的特征值λ₁和λ₂；

步骤3、若max(λ₁,λ₂)≥λ则所述某一像素点属于目标区域，若max(λ₁,λ₂)＜λ则所述某一像素点属于背景区域，其中λ为预设的经验阈值；

采用步骤1～步骤3遍历分析所述原始图像中所有像素点以获取原始图像中目标区域和背景区域的分布信息。

具体地，在上述方案的基础上，所述对输入的原始图像进行灰度变换提取灰度特征之后，对所述原始图像进行分块操作之前，还包括：

采用高斯滤波方法减少所述原始图像的噪声。

具体地，在上述方案的基础上，所述N为40，经验阈值λ设定为5×10⁴。

具体地，在上述方案的基础上，所述根据所述背景区域的分布信息，计算所述原始图像中各像素点的颜色特征与所述背景区域颜色均值之间的颜色距离值，并基于颜色距离值生成原始图像的初始显著图包括：

提取所述原始图像在CIE Lab颜色空间的三个颜色通道特征，以每个像素点所对应的l，a，b颜色特征分量作为所述像素点的颜色特征C＝(l,a,b)；

根据所述原始图像中目标区域和背景区域的分布信息建立二值化掩膜S_mask，其中背景区域设为0，目标区域设为1，利用所述二值化掩膜S_mask计算所述背景区域中所有像素点的颜色均值C_m＝(l_m,a_m,b_m)；

以所述背景区域中所有像素点的颜色均值作为参考衡量标准，计算所述原始图像中所有像素点的颜色特征与所述颜色均值之间的欧氏距离d_color＝||C-C_m||，并以所述欧氏距离作为全局颜色对比度显著性度量值；

根据所述全局颜色对比度显著性度量值生成原始图像的初始显著图。

具体地，在上述方案的基础上，所述根据所述目标区域的分布信息，计算所述原始图像中各像素点与所述目标区域的质心坐标之间的空间距离，并基于空间距离生成所述原始图像中各像素点的位置关系权重值包括：