[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

摘要

本发明公开了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，主要解决现有基于视觉注意力模型显著区域检测过程复杂、实时性差的问题，其实现步骤是：(1)生成学习图像显著区域的注视图，并生成学习图像的特征显著度图和特征显著度图权值向量，记录显著点坐标；(2)生成测试图像的显著度图，利用学习图像的显著点坐标递推预测出测试图像显著度图的显著点坐标，建立抑制核心函数凸显显著点所在区域；(3)更新显著点坐标，利用显著点坐标递推关系和抑制核心函数，预测下一帧测试图像显著区域；(5)通过循环(3)-(4)，完成序列图像显著区域的检测。本发明能实时地检测序列图像中的显著区域，模型简单有效，可用于目标识别。

主权项

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。