[发明专利]基于深度信息的图像显著性度量方法在审
| 申请号： | 201910484632.2 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110322496A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 徐湘忆;吴天逸;苏磊;胡正勇;田昊洋;季怡萍;廖巍;崔律 | 申请（专利权）人： | 国网上海市电力公司;上海驹电电气科技有限公司;华东电力试验研究院有限公司 |
| 主分类号： | G06T7/50 | 分类号： | G06T7/50;G06T7/13 |
| 代理公司： | 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 | 代理人： | 张宁展 |
| 地址： | 200122 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 度量 显著性 深度信息 像素点 图像 图像像素点 聚焦 鲁棒性 清晰 构建 离焦 地表 均衡 模糊 引入 应用 | ||
1.一种基于深度信息的图像显著性度量方法，其特征在于，所述方法包括以下步骤：
步骤S1，利用GBVS计算图像各个像素点(i,j)的GBVS显著数值sm(i,j)；
步骤S2，利用基于高斯梯度的模糊估计法计算图像各个像素点(i,j)的深度估计数值d(i,j)；
步骤S3，计算图像的显著性度量sdm(i,j)，公式如下：
sdm(i,j)＝sm(i,j)·d(i,j)-2。
2.根据权利要求1所述的基于深度信息的图像显著性度量方法，其特征在于，步骤S1利用GBVS法计算图像各个像素点的GBVS显著数值sm(i,j)，包括特征向量提取、激活图生成、激活图标准化三个阶段；在特征向量提取阶段，GBVS采用了生物启发的滤波器来模拟生物体的视觉系统，激活图生成阶段通过在不同的维度减去特征向量图实现的，并引入马尔科夫链，对不同的图分别计算不相似度和显著性来定义图的边的权重作为马尔科夫链，将在图上各个位置的均衡分布视为激活图的数值。在激活图标准化阶段，GBVS关注激活图中的混乱数值，混乱的程度通过马尔科夫链进行定义，并实现混乱的流动和传导。
3.根据权利要求1所述的基于深度信息的图像显著性度量方法，其特征在于，步骤S2利用基于高斯梯度的模糊估计法计算各个像素点的深度估计数值，具体包括：对输入图像进行高斯再模糊；采用Canny算子分别提取输入图像和再模糊图像的边缘位置梯度，计算边缘位置的梯度幅值比，进而估算边缘位置的深度值；通过插值法，得到整幅图像的深度值。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网上海市电力公司;上海驹电电气科技有限公司;华东电力试验研究院有限公司，未经国网上海市电力公司;上海驹电电气科技有限公司;华东电力试验研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910484632.2/1.html，转载请声明来源钻瓜专利网。
