[发明专利]基于视觉注意模型的感兴趣区域检测方法

摘要

本发明涉及一种基于视觉注意模型的感兴趣区域检测方法，涉及图像处理技术领域。本发明对Itti视觉模型进行改进，加入了视觉注意机制模拟人的视觉感知过程，增加弹标的运动信息，使得检测结果更符合人的生理特征，对复杂背景下导弹弹标类小目标的检测效果有了明显提高。

主权项

一种基于视觉注意模型的感兴趣区域检测方法，其特征在于，包括以下步骤：步骤一、建立多尺度图像结构一幅二维图像，在不同尺度下的尺度空间表示可由输入图像I(x,y)与高斯核G(x,y,σ)卷积得到：L(x,y,σ)＝G(x,y,σ)*I(x,y)   (2)式(2)中，(x,y)代表图像的像素位置，σ称为尺度空间因子，其值越小则表征该图像被平滑的越少，相应的尺度也就越小，大尺度对应于图像的概貌特征，小尺度对应于图像的细节特征，L代表了图像的尺度空间；步骤二、初级视觉特征提取1、亮度特征提取如果是彩色视频图像，r、g、b分别表示图像中的红色、绿色和蓝色，则亮度计算公式为：I＝(r+g+b)/3   (3)如果是灰度图像，则灰度特征直接选取每个像素的灰度值即可；2、颜色特征提取定义R、G、B、Y分别为红、绿、蓝、黄4个颜色通道，则：$\begin{array}{c}R=r-\left(g+b\right)/2\\ G=g-\left(r+b\right)/2\\ B=b-\left(r+g\right)/2\end{array}---\left(4\right)$Y＝(r+g)/2‑(r‑g)/2‑b则RG和BY通道为：RG＝R‑GB，Y＝B‑(R+G)/2；3、方向特征提取方向特征用Gabor滤波器来进行提取：一维Gabor函数，即1D‑Gabor函数：$g(x,y)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \[-\frac{{(x-x_0)}^2}{2{\mathrm{\σ}}^2}\]\exp \left({\mathrm{jw}}_0\right(x-x_0\left)\right)---\left(5\right)$式中，σ为高斯函数的标准差，w₀为复平面波的空间频率，x₀为1D‑Gabor函数的中心点坐标，其1D‑Gabor函数的奇、偶分量的公式分别为：$\begin{array}{c}{g}_o=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \[-\frac{{\left(x-x_0\right)}^2}{2{\mathrm{\σ}}^2}\]\sin \left(\frac{2\mathrm{\π}x}{l}\right)\\ g_e=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \[-\frac{{\left(x-x_0\right)}^2}{2{\mathrm{\σ}}^2}\]\cos \left(\frac{2\mathrm{\π}x}{l}\right)\end{array}---\left(6\right)$根据3σ原理，取l＝6σ/w₀；二维Gabor函数，即2D‑Gabor函数是在Gauss包络下的一个沿x轴的复变正弦波，二维Gabor函数表达式为：

×

专利文献下载

说明：

1、专利原文基于中国国家知识产权局专利说明书；

2、支持发明专利 、实用新型专利、外观设计专利（升级中）；

3、专利数据每周两次同步更新，支持Adobe PDF格式；

4、内容包括专利技术的结构示意图、流程工艺图或技术构造图；

5、已全新升级为极速版,下载速度显著提升！欢迎使用！

请您登陆后，进行下载，点击【登陆】 【注册】

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：。

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

周一至周五 9:00-18:00

版权所有http://www.vipzhuanli.com/公布日期

咨询在线客服

tel code back_top

服务热线：

投诉建议：

扫一扫，微信关注钻瓜专利网

定制专利/购买专利

行业大牛为您服务 快来咨询~