The invention relates to a method of LLC codes based on adaptive clustering image of the region, the extraction of color and texture, Gabor, centroid features from the segmented super pixels, by clustering into adjacent areas, with similar structure diagram in the form of a regional increase debate between adjacent. In order to reduce or even eliminate the noise generated in the near future the saliency map boundaries provide valuable clues to future boundaries more clear; the use of multiple feature saliency map as the calculation basis, in the complex scene, when the color features cannot effectively extract the salient object, multi feature information as a useful supplement can effectively improve the detection effect; LLC encoding scheme is extended, the original LLC multiple descriptors encoding method respectively again into the objective function of the expansion for the first fusion of multiple features again Sex encoding simplifies the encoding process and emphasizes the integrity of multiple features.
【技术实现步骤摘要】
一种通过基于自适应码本的LLC聚类图像区域的方法
本专利技术涉及模式识别技术、信息融合技术、信息编码技术和数字图像处理
,具体的说是一种通过基于自适应码本的LLC聚类图像区域的方法。
技术介绍
模式识别技术是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。显著性检测中的模式识别指的是对图像中背景和目标的识别与分类。显著目标是图像中从背景中突出的人或事物,一般包含更多人们感兴趣的、更有用的信息。显著目标检测的主要任务即检测并标定出显著目标所在的区域。由于检测结果可以被直接使用,因此,显著目标检测广泛应用于目标识别、图像分割、图像检索等领域。常用的显著目标检测技术主要有基于局部对比的显著区域检测技术,如:基于局部对比和模糊生长技术、多尺度中心-周围直方图和颜色空间分布对比技术等;以及基于全局对比的显著区域检测技术。显著目标检测技术中的关键是通过像素、超像素、区域块等检测单位间的局部或全局特征差来确定各个检测单位的显著值,因此,特征提取是计算特征差的基本步骤。由于显著颜色是引起人类视觉注意的最根本特征,人们通常选取颜色计算特征差。目前许多显著目标检测模型虽然在单显著目标和简单背景场景下的性能已接近测试集的标准,但在多目标和复杂背景下,尤其是在目标相融的背景下不能取得较好的表现。当图像场景复杂时,颜色特征可能不足以作为目标与背景的分类依据。这是因为场景的复杂通常表现为以下特性:1、场景中含有多个结构复杂的目标,并可能部分相互重叠;2、目标区域呈 ...
【技术保护点】
一种通过基于自适应码本的LLC聚类图像区域的方法,其特征在于,包括以下步骤:步骤一:图像过分割及超像素区域特征提取:将原图按照SLIC方法分割为n个超像素,并提取各个超像素区域的质心、颜色、纹理及Gabor特征;步骤二:扩展LLC对每个超像素图像区域进行稀疏编码:根据超像素特征提取结果,分别组织对应于每个超像素的自适应码本,按照局部性原理进行线性编码,获得所有超像素图像区域的稀疏编码码字;步骤三:编码转换:实现扩展的LLC编码码字转换为对称方阵以表示邻近区域的聚类结果;步骤四:构建相似性结构图:根据编码转换的结果和超像素区域的特征构建图像超像素区域相似性结构图。
【技术特征摘要】
1.一种通过基于自适应码本的LLC聚类图像区域的方法,其特征在于,包括以下步骤:步骤一:图像过分割及超像素区域特征提取:将原图按照SLIC方法分割为n个超像素,并提取各个超像素区域的质心、颜色、纹理及Gabor特征;步骤二:扩展LLC对每个超像素图像区域进行稀疏编码:根据超像素特征提取结果,分别组织对应于每个超像素的自适应码本,按照局部性原理进行线性编码,获得所有超像素图像区域的稀疏编码码字;步骤三:编码转换:实现扩展的LLC编码码字转换为对称方阵以表示邻近区域的聚类结果;步骤四:构建相似性结构图:根据编码转换的结果和超像素区域的特征构建图像超像素区域相似性结构图。2.如权利要求1所述的通过基于自适应码本的LLC聚类图像区域的方法,其特征在于:所述步骤一中图像过分割及超像素区域特征提取方法为:1)将原图像用SLIC法分割成n个超像素;2)提取原图各超像素的质心,用横纵坐标表示;3)提取原图各超像素在Lab空间下的三个颜色均值;4)提取原图各超像素在RGB空间下的三个颜色均值;5)提取原图各超像素的LBP纹理特征值,用59bins表示;6)提取原图各超像素的36维Gabor特征。3.如权利要求1所述的通过基于自适应码本的LLC聚类图像区域的方法,其特征在于:所述步骤二中扩展LLC对每个超像素图像区域进行稀疏编码的方法为:1)对于每一个超像素,将其颜色、纹理、Gabor特征值融合入一个特征向量以表示该超像素,用公式(1)表示并存放:(1)2)对每一个超像素spi,将所在图像中除去该超像素的其他所有超像素的颜色、纹理、Gabor特征值融合为一个101×(n-1)维的特征矩阵以作为该超像素进行LLC的码本,自适应码本用公式(2)表示:(2)3)按照公式(3)-(6)...
【专利技术属性】
技术研发人员:杨春蕾,普杰信,谢国森,刘中华,董永生,梁灵飞,司彦娜,
申请(专利权)人:河南科技大学,
类型:发明
国别省市:河南,41
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。