The invention discloses an image saliency detection method by fusing color contrast map and color space distribution map. The usual bottom-up saliency detection method is based on the color, brightness, edge and other underlying features of the image. The present invention combines the image bottom color contrast feature map and the image color space distribution characteristic map to obtain the final saliency map. According to the contrast of color feature map image image SLIC super pixel segmentation after and then obtained by calculating the color spatial distribution map of the preliminary images with K Means after clustering, and then mapped to the super pixel segmentation map, then according to the similarity of image color to further optimize the color distribution map. Finally, the final saliency map is obtained by fusing color contrast feature map and optimized image color space distribution feature map. The present method can obtain more accurate and complete saliency maps at lower time complexity.
【技术实现步骤摘要】
融合颜色对比图和颜色空间分布图的图像显著性检测方法
本专利技术属于计算机图像处理领域,涉及检测图像的显著性区域,具体涉及融合颜色对比图和颜色空间分布图的图像显著性检测方法。
技术介绍
图像的显著性检测是将图像中最重要的、包含丰富信息的区域标记出来。显著性检测在图像分割、图像压缩、图像检索、目标识别等领域具有重要应用,对于图像的理解及处理有着重要的应用价值。如何快速准确地从大量的图像信息中检索到人们想要关注的信息是一个极其重要的课题。研究发现人类的视觉系统具有视觉选择性能力,并且人类的视觉系统主要分为两种,即自底向上策略注意机制和自顶向下策略注意机制。前者是利用图像的颜色、亮度、边缘等特征来计算,而后者主要针对图像的特定特征来计算图像的显著性区域。由于目前所检测的图像大多是不确定的、无目标的区域,因此大多数的算法均为自底向上模型。下面对国内外的基于自底向上的图像显著性检测方法进行介绍。其中,最早由Itti等人(“AModelofSaliency-BasedVisualAttentionforRapidSceneAnalysis”)于1998年提出的著名的生物启发模型,根据视觉系统的行为和神经网络结构,提取图像的亮度、颜色以及方向特征,利用中心-周边差来得到图像在不同尺度下的特征。在Itti模型的基础上Hofmann等人(“Graph-BasedVisualSaliency”)于2006年提出了基于图论的GBVS算法,该算法采用Itti的特征提取方法,把像素点(或者图像块)作为节点并计算节点间的差异得到一个带权无向图,最后利用Markov链计算最终的显著图。Z ...
【技术保护点】
融合颜色对比图和颜色空间分布图的图像显著性检测方法,其特征在于:该方法的具体步骤是:步骤1、将输入图像进行平滑处理,得到平滑图像;步骤2、利用SLIC超像素分割算法将平滑图像分割成超像素图,并计算每个超像素的平均颜色和平均位置:
【技术特征摘要】
1.融合颜色对比图和颜色空间分布图的图像显著性检测方法,其特征在于:该方法的具体步骤是:步骤1、将输入图像进行平滑处理,得到平滑图像;步骤2、利用SLIC超像素分割算法将平滑图像分割成超像素图,并计算每个超像素的平均颜色和平均位置:其中,Ri表示第i个超像素,像素Ii∈Ri,为像素Ii的颜色向量,为像素Ii的位置向量,ci为Ri中所有像素的平均颜色向量,pi为Ri中所有像素的平均位置向量,|Ri|表示Ri中像素的个数;步骤3、利用中心-周围原则计算超像素图中每个超像素的颜色对比值Fi,得到颜色对比图;其中,C(ci,cj)=||ci-cj||表示ci与cj的欧氏距离,Wp(pi,pj)是调节对比值的空间权重,P(pi,pj)=||pi-pj||表示pi与pj的欧氏距离;1/Zi是使得的归一化因子,σp取值0.5,exp为指数运算,N=|Ri|-1,cj为Rj中所有像素的平均颜色向量,pj为Rj中所有像素的平均位置向量,Rj表示第j个超像素;步骤4、利用K-Means聚类算法把平滑图像按照颜色聚类分割为M个类,M≤10,得到聚类图,类又称为颜色分量;按下式计算每个颜色分量的平均颜色和平均位置;其中,Gi表示第i个颜色分量,像素Pi∈Gi,为像素Pi的颜色向量,颜色向量采用l分量、a分量和b分量表达,为像素Pi的位置向量;cgi为颜色分量Gi的平均颜色向量,即颜色分量Gi在颜色上的聚类中心;pgi为颜色分量Gi的平均位置向量,即颜色分量Gi在空间上的聚类中心,|Gi|表示颜色分量Gi中像素的...
【专利技术属性】
技术研发人员:许金兰,崔玲玲,徐岗,吴卿,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
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。