【技术实现步骤摘要】
本专利技术是一种能够自动计算图像中重要区域的方法,尤其涉及图像的多种底层特征在图像重要区域识别过程中权重系数的自适应计算,属于计算机视觉
技术介绍
人们在观察和理解图像时,会本能地将其分为重要区域(视觉感兴趣区域,如一幅图像中的主体部分建筑、花鸟、人像摄影中的人等等)和非重要区域,整幅图像的主观视觉质量往往取决于重要区域的视觉质量,而非重要区域的降质常常不易被人觉察,对整幅图像视觉质量的影响较小。因此,图像中重要区域的提取方法在图像压缩和视频分析等应用领域,都具有非常重要的意义。在信道传输带宽和存储空间有限的条件下,为了最大限度地保证压缩图像的质量,可以在提取的图像重要区域基础上,对图像的不同区域采用不同的压缩策略,尽可能减少图像中重要区域的信息损失,从而既保证了重建图像的视觉效果又提高了压缩效率。在视频分析的镜头检测和聚类过程中,如果在提取的图像重要区域基础上,仅对各帧中重要区域的相似性进行比较和分析,不仅能够提高镜头检测和聚类的效率,而且能够提高其准确率。为了提取图像中的重要区域,最初的方法是采用人工方式,通过手动标注出图像的重要区域,然后面向不同的具体应用再进行后续的处理。但是,随着图像数据的不断增多,以及图像处理实时性要求的不断提高,图像中重要区域的人工标注方式的效率不再能够满足要求,因此,一些图像重要区域自动提取方法不断被提出。现有图像重要区域自动提取方法,一般都是对图像的某一种底层特征(例如颜色、纹理、亮度等)进行分析,通过大量实验得出一组统计经验值,然后基于这组经验值自动分析出图像中的重要区域。这类方法虽然能够实现重要区域的自动提 ...
【技术保护点】
1.一种自适应计算图像底层特征重要性权重的方法,包括以下步骤:步骤一,计算颜色重要性权重:将待处理图像转换到HSV空间,对H通道的每行像素建立以n为步长的行直方图并进行统计,保存每个行直方图中的最大值和最小值;通过以下公式(1)计算出在待处理图像中表征颜色重要性的权重值wC,***其中fmin是所有行直方图中最小值的平均值,fmax是所有行直方图中最大值的平均值;步骤二,计算梯度重要性权重:将待处理图像分为若干块,计算各块内每个像素点的梯度并统计梯度方向,建立梯度直方图,然后计算所述各个块内像素值的方差,通过以下公式(2)计算出在待处理图像中表征梯度重要性的权重值wg;***其中图像被划分为若干块,gradmax为所有块中梯度值最大的值,gradmin为所有块中梯度值最小的值,M为将0到2π区间以预定间隔分割的区间个数;***为第i个块的梯度值。***公式(3),将0到2π区间以预定间隔分为M个方向,D(Si)为块梯度直方图落入每个方向的方差,patchi表示所划分的块中的任意一块;步骤三,计算亮度重要性权重:图像中亮度较高的区域往往是图像中的敏感区域由于LAB空间中L分量代表了图像的 ...
【技术特征摘要】
【专利技术属性】
技术研发人员:李炜,钟沛珉,李天然,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。