[发明专利]一种融合区域颜色和HoG特征的视觉显著性检测方法有效

专利信息
申请号: 201210311804.4 申请日: 2012-08-29
公开(公告)号: CN102867313A 公开(公告)日: 2013-01-09
发明(设计)人: 周文晖;宋腾;孙志海;张桦;韦学辉 申请(专利权)人: 杭州电子科技大学
主分类号: G06T7/40 分类号: G06T7/40
代理公司: 杭州求是专利事务所有限公司 33200 代理人: 杜军
地址: 310018 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种融合区域颜色和HoG特征的视觉显著性检测方法。目前方法通常都基于区域颜色特征的纯计算模型,对于纹理的显著性差异不敏感。本发明方法首先在原始图像的CIELAB空间彩色分量图上,通过分析超像素区域的颜色对比度和分布特性,计算每个像素的颜色显著性值;然后在原始图像的RGB空间彩色分量图上,提取基于HoG的局部矩形区域纹理特征,并通过分析局部矩形区域的纹理对比度和分布特性,计算每个像素的纹理显著性值;最后采用二次非线性融合方法将每个像素的颜色显著性值和纹理显著性值融合为该像素的最终显著性值。本发明方法获得不仅可获得符合人眼视觉感官的全分辨率显著性图像,并且对显著性目标具有更强的区分能力。
搜索关键词: 一种 融合 区域 颜色 hog 特征 视觉 显著 检测 方法
【主权项】:
1. 一种融合区域颜色和HoG特征的视觉显著性检测方法,其特征在于该方法包括如下步骤:步骤(1):采用彩色变换方法,分别提取输入图像在Lab空间的l彩色分量图、a彩色分量图和b彩色分量图; 步骤(2):采用SLIC超像素聚类方法,将输入图像划分为多个互不相交且区域面积近似相等的超像素区域;步骤(3):根据步骤(2)的结果,计算每个超像素区域的颜色特征,具体为:对于超像素区域ri,其颜色特征是由超像素区域ri的颜色均值矢量、超像素区域ri的质心坐标和超像素区域ri的面积率组成;所述的超像素区域ri的颜色均值矢量表示为,其中为超像素区域ri内所有像素的l彩色分量均值,为超像素区域ri内所有像素的a彩色分量均值,为超像素区域ri内所有像素的b彩色分量均值;所述的超像素区域ri的质心坐标表示为,其中为超像素区域ri内所有像素垂直方向坐标的均值与输入图像高度的比值,为超像素区域ri内所有像素水平方向坐标的均值与输入图像宽度的比值;所述的超像素区域ri的面积率表示超像素区域ri内的像素个数与输入图像总像素的比值;步骤(4):根据步骤(3)得到的各超像素区域的颜色特征,计算每个超像素区域的颜色独特性,具体为:对于超像素区域ri,其颜色独特性表示为:其中为超像素区域ri和超像素区域rj在Lab空间的颜色距离;为超像素区域ri和超像素区域rj的空间相关性权重;n为步骤(2)中划分出的超像素个数;所述的超像素区域ri和超像素区域rj在Lab空间的颜色距离表示为超像素区域ri的颜色均值矢量与超像素区域rj的颜色均值矢量的L2距离,具体描述为:所述的超像素区域ri和超像素区域rj的空间相关性权重具体表示为:其中为高斯函数标准差,为超像素区域ri的质心坐标与超像素区域rj的质心坐标的L2距离;步骤(5):根据步骤(3)得到的各超像素区域的颜色特征,计算每个超像素区域的颜色空间分布特性,具体为:对于超像素区域ri,其颜色空间分布特性表示为:其中为超像素区域ri和超像素区域rj的空间距离;为超像素区域ri和超像素区域rj的颜色相关性权重;所述超像素区域ri和超像素区域rj的空间距离表示为超像素区域ri的质心坐标与超像素区域rj的质心坐标的L2距离,具体描述为:所述的超像素区域ri和超像素区域rj的颜色相关性权重具体表示为:其中为高斯函数标准差,为超像素区域ri的颜色均值矢量与超像素区域rj的颜色均值矢量的L2距离;步骤(6):根据步骤(4)和步骤(5)的结果,计算每个超像素区域的颜色显著性值,具体为:对于超像素区域ri,其颜色显著性值表示为:其中为高斯函数标准差;步骤(7):根据步骤(4)中得到的超像素区域的颜色独特性值,对超像素区域的颜色显著性值进行平滑优化,以保证颜色独特性值近似的两个相邻超像素区域间颜色显著性值的连续平滑;所述的超像素区域的颜色显著性值的平滑优化方法具体为:对于超像素区域ri,其颜色显著性值经平滑优化后结果表示为:其中表示超像素区域ri颜色独特性和超像素区域rj颜色独特性的距离,为距离归一化值;步骤(8):为输入图像中每个像素分配颜色显著性值,具体为:对于超像素区域ri中的像素,其颜色显著性值表示为:步骤(9):采用彩色变换方法,分别提取输入图像在RGB空间的r彩色分量图、g彩色分量图和b彩色分量图;计算r彩色分量图、g彩色分量图和b彩色分量图的积分图;步骤(10):利用步骤(9)的积分图结果,采用梯度方向直方图提取方法,将输入图像从图像左上角开始按序划分为若干个不重叠的8×8像素的局部矩形区域,并提取每个局部矩形区域的纹理特征;所述的局部矩形区域的纹理特征提取方法具体为:对于局部矩形区域ti,其纹理特征是由局部矩形区域ti的HoG矢量和局部矩形区域ti的质心坐标组成;所述的局部矩形区域ti的HoG矢量表示为,其中为在所属的彩色分量图上局部矩形区域ti中所有像素在梯度方向为0°、20°、40°、60°、80°、100°、120°、140°、160°下的梯度幅度值;所述的局部矩形区域ti的质心坐标表示为,其中为局部矩形区域ti内所有像素垂直方向坐标的均值,为局部矩形区域ti内所有像素水平方向坐标的均值;步骤(11):根据步骤(10)得到的每个局部矩形区域的纹理特征,计算每个局部矩形区域的纹理空间分布特性;所述的局部矩形区域的纹理空间分布特性计算方法具体为:对于局部矩形区域ti,其纹理空间分布特性表示为:其中为局部矩形区域ti所属的彩色分量图上的纹理空间分布特性;为梯度方向取值;为在所属的彩色分量图上所有局部矩形区域在第j个梯度方向下梯度幅度值的归一化方差;为在所属的彩色分量图上所有局部矩形区域在第j个梯度方向下梯度幅度值的归一化期望;所述的归一化方法为:其中为在所属的彩色分量图上所有局部矩形区域在第j个梯度方向下梯度幅度值的方差;为在所属的彩色分量图上所有局部矩形区域在第j个梯度方向下梯度幅度值的期望;步骤(12):为输入图像中每个像素分配纹理显著性值,具体为:对于局部矩形区域ti中的像素p,其纹理显著性值表示为:步骤(13):根据步骤(8)和步骤(12)的结果,计算输入图像中每个像素的最终显著性值,具体为: 对输入图像中像素p,其最终显著性值表示为:
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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杭州电子科技大学,未经杭州电子科技大学许可,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/patent/201210311804.4/,转载请声明来源钻瓜专利网。

×

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】

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

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top