[发明专利]一种利用稀疏基的协同显著性检测方法

摘要

本发明涉及一种利用利用稀疏基检测协同显著性的方法，其特征在于：首先，从自然图像中使用独立变量分析方法，训练出一组稀疏基；然后，对输入图像滤波作用得到输入图像的特征分布，根据图像之间相互独立，定义了多组数据变量的K-L散度度量它们之间的相似性，最后，根据K-L散度性质找出散度下降明显的地方，也即是图像的相似处。本发明提出的利用稀疏基检测协同显著性的方法，采用ICA方法求取自然图像一组稀疏基，然后运用互信息作为图像相关性的度量，可以快速检测出多幅图像的共同显著性目标。

主权项

1.一种利用稀疏基的协同显著性检测方法，其特征在步骤如下：步骤1：将M幅自然图像调整为120×160大小，提取调整后的每一幅图像中所有互不相交的8×8子图像块，得到300×M个8×8子图像块；然后对每个图像块在红、绿、蓝三个通道的灰度值拉伸，得到一组含有300×M个192维向量的向量组；步骤2：对步骤1得到的192维向量组利用独立变量分析ICA算法得到一组互信息最小的稀疏特征基A，令K＝A^-1作为一个滤波器集合，k_i为K的第i行；步骤3：提取测试图像I₀，I₁，I₂，L，I_n中所有的8×8子图像块，对每个图像块将红、绿、蓝三个通道的灰度值拉伸成192维向量组(τ＝0，1，2，L，n)，其中每一列对应一个子图像块；步骤4：使用滤波器集合K，对输入图像的子图像块进行滤波，计算每个子图像块滤波响应的绝对值；对显著性系数的子图像块相应绝对值相加并规范化得到图像I_τ的第i个特征分布：pi(τ)=Σ{m|αm(τ)>θ}|kiTxm(τ)|ΣjΣ{m|αm(τ)>θ}|kjTxm(τ)|]]>τ＝0，1，2，L，n则测试图像I₀，I₁，I₂，L，I_n的特征分布(τ＝0，1，2，L，n)；所述显著性系数为测试图像的第τ幅图像中第m个子图像块对构成整幅图像的显著图的显著性系数，初始值为1；所述θ为显著性系数的阈值且满足θ∈(0，1)；步骤5：计算图像I₀关于图像I₁，I₂，L，I_n互信息KL(p(0)||p(1),p(2),L,p(n))=KL(p(0)||pi(0)Πτ=1npiτ)=Σipi(0)logpi(0)Πτ=1npi(τ);]]>步骤6：计算图像I₀关于图像I₁，I₂，L，I_n互信息变化率∂∂piKL(p(0)||Πτ=1npi(τ))=pi(0)+(1+pi(0))(logpi(0)-Στlogpi(τ))-KL(p(0)||Πτ=1npi(τ))]]>其中：Σipi(τ)=1]]>(τ＝0，1，2，L，n)；步骤7：采用下式计算互信息减少的子图像块∂∂piKL(p(0)||Πτ=1np(τ))=max(-∂∂piKL(p(0)||Πτ=1np(τ)),0);]]>步骤8：计算步骤7得到的互信息减少的子图像块后图像I_τ的第i个特征分布pi(τ)=Σ{m|αm(τ)>θ}|kiTxm(τ)|ΣjΣ{m|αm(τ)>θ}|kjTxm(τ)|]]>τ＝0，1，2，L，n其中：αm(τ)=ΣiδKL(pi(τ);p(τ)||Πr≠τpi(τ))(kiTxm(τ))ΣiδKL(pi(τ);p(τ)||Πr≠τpi(τ));]]>步骤9：迭代执行步骤5～步骤8循环N次，得到图像I₀关于图像I₁，I₂，L，I_n的特征分布p(0)=[p1(0),p2(0),L]T;]]>步骤10：利用步骤9得到的特征分布，计算图像I₀关于图像I₁，I₂，L，I_n协同显著图的向量表示得到图像I₀关于图像I₁，I₂，L，I_n协同显著图；其中：X⁽⁰⁾为步骤3中得到的图像I₀向量表示，为对角矩阵，然后将Smap⁽⁰⁾的每一列还原为一个8×8大小的子图像块。