[发明专利]一种基于视觉注意机制的图像感兴趣区域检测方法

摘要

本发明涉及基于视觉注意机制的图像感兴趣区域检测方法，其特征在于：首先，同时图像的颜色特征及纹理特征，首先将输入图像转化为RGB和Lab两个颜色空间，并将RGB颜色空间的各颜色通道减去亮度特征得到纯颜色通道；然后分别在各颜色通道中将图像分割成互不相交的3×3的图像块集合，以图像块的像素均值代替图像块中各点的像素；接着，考虑了每个图像块与其余图像块像素差及欧氏距离，并以图像方差表示图像的纹理特征，最后，运用信息熵找出图像的颜色特征及纹理特征的最优颜色通道，同时运用信息熵组合得到的最优显著性特征。

主权项

一种基于视觉注意机制的图像感兴趣区域检测方法，其特征在于步骤如下：步骤1：将n×n的输入图像转化为RGB颜色空间和Lab颜色空间，在RGB颜色空间中，计算亮度通道I＝(R+G+B)/3，纯颜色通道R′＝R‑I,G′＝G‑I,B′＝B‑I，得到7个颜色通道L,a,b,I,R′,G′,B′，其中：R,G,B分别表示RGB颜色空间的红、绿、蓝颜色通道，R′,G′,B′分别表示红、绿、蓝纯颜色通道；步骤2：对于每一个颜色通道，将图像分割成互不相交，大小为3×3的N个图像块，每一块的中心坐标记为(xi,yi)，i＝1,2,…,N；步骤3：计算k颜色通道中第i个图像块的像素均值pki，k∈{L,a,b,I,R′,G′,B′}，i＝1，2,…,N；步骤4：计算k颜色通道中第i个图像块与其余第j个图像块的像素均值之差：Pk(i,j)＝|pki‑pkj|，i,j＝1,2,…,N；步骤5：计算第i个图像块与其余第j个图像块的中心点欧氏距离： D ( i , j ) = ( x i - x j ) 2 + ( y i - y j ) 2 , i , j = 1,2 , · · · , N ; 步骤6：计算第i个图像块与其余第j个图像块的中心点欧氏距离： D ( i , j ) = ( x i - x j ) 2 + ( y i - y j ) 2 , i , j = 1,2 , · · · , N ; 步骤7：根据步骤5和步骤6的结果计算k颜色通道中第i个图像块颜色显著性特征： Lmap k ( i ) = Σ j = 1 N P k ( i , j ) exp ( - D ( i , j ) ) Σ j = 1 N exp ( - D ( i , j ) ) , i = 1,2 , · · · , N , k = 1,2 , · · · , 7 ; 步骤8：计算k颜色通道中第i个图像块全局颜色特征：Gmapk(i)＝|pki‑meank|×exp(‑d(i))，其中：meank是k颜色通道像素均值，d(i)是第i个图像块中心与整幅图像中心的距离；步骤9：计算k颜色通道中图像块纹理显著性特征： T k ( x , y ) = [ 1 N - 1 Σ j = 1 N ( p kj - Σ j = 1 N p kj ) 2 ] 1 2 步骤10：计算图像的信息熵为 H ( map ) = - Σ x = 1 n Σ y = 1 n gmap ( x , y ) log ( gmap ( x , y ) ) , 其中：g是一个高斯低通滤波器，map∈{Lmapk,Gmapk,Tmapk},k∈{L,a,b,I,R′,G′,B′}；步骤11：分别计算局部特征、全局特征及纹理特征中信息熵最小的颜色通道的显著图OptimalmapL,OptimalmapG,OptimalmapT；步骤12：将OptimalmapL,OptimalmapG,OptimalmapT归一化并组合，得图像感兴趣区域的显著性特征：Smap＝wL×OptimalmapL+wG×OptimalmapG+wT×OptimalmapT，其中：特征融合权系数为： w s = 1 / H ( Optimalmap s ) Σ s 1 / H ( Optimalmap s ) , s ∈ { L , G , L } .