【技术实现步骤摘要】
基于视觉注意模型的感兴趣区域检测方法
本专利技术涉及图像处理
,具体涉及一种基于视觉注意模型的感兴趣区域检测方法。
技术介绍
人们往往对感兴趣的对象付诸更多的注意,这是由于视觉注意是有选择性的,称为视觉选择性,或视觉显著性。当面对复杂场景时,视觉系统能迅速将注意力集中在场景中的某些显著区域。感兴趣区(RegionsOfInterest,ROI)是人们观察和理解图像时产生兴趣、关注或注意的区域,即图像中最能引起人们兴趣,最能表现图像内容的区域。它注意机制应用中提出的重要概念。感兴趣区可以认为是图像中最显著(saliency)的像素集合,即显著点或兴趣点的集合。如何从一幅图像中自动的提取出感兴趣区,就是感兴趣区检测技术。感兴趣区检测,即显著性区域检测是利用计算机技术模拟人类视觉系统,使用视觉注意模型,提取图像的一些关键信息作为显著点,以显著点为中心的适当区域作为感兴趣区。感兴趣区域选择不是依靠场景区域的自身特征,而是依靠它与周围区域比较产生的相对特征,即视觉显著性。显著性强,被选为感兴趣区域。如何设计一种图像的感兴趣区检测方法,使得检测结果更符合人的生理特征成为亟待解决的技术问题。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是:如何设计一种图像的感兴趣区检测方法,使得检测结果更符合人的生理特征。(二)技术方案为了解决上述技术问题,本专利技术提供了一种基于视觉注意模型的感兴趣区域检测方法,包括以下步骤:步骤一、建立多尺度图像结构一幅二维图像,在不同尺度下的尺度空间表示可由输入图像I(x,y)与高斯核G(x,y,σ)卷积得到:L(x,y,σ) ...
【技术保护点】
一种基于视觉注意模型的感兴趣区域检测方法,其特征在于,包括以下步骤:步骤一、建立多尺度图像结构一幅二维图像,在不同尺度下的尺度空间表示可由输入图像I(x,y)与高斯核G(x,y,σ)卷积得到:L(x,y,σ)=G(x,y,σ)*I(x,y) (2)式(2)中,(x,y)代表图像的像素位置,σ称为尺度空间因子,其值越小则表征该图像被平滑的越少,相应的尺度也就越小,大尺度对应于图像的概貌特征,小尺度对应于图像的细节特征,L代表了图像的尺度空间;步骤二、初级视觉特征提取1、亮度特征提取如果是彩色视频图像,r、g、b分别表示图像中的红色、绿色和蓝色,则亮度计算公式为:I=(r+g+b)/3 (3)如果是灰度图像,则灰度特征直接选取每个像素的灰度值即可;2、颜色特征提取定义R、G、B、Y分别为红、绿、蓝、黄4个颜色通道,则:
【技术特征摘要】
1.一种基于视觉注意模型的感兴趣区域检测方法,其特征在于,包括以下步骤:步骤一、建立多尺度图像结构一幅二维图像,在不同尺度下的尺度空间表示可由输入图像I(x,y)与高斯核G(x,y,σ)卷积得到:L(x,y,σ)=G(x,y,σ)*I(x,y)(2)式(2)中,(x,y)代表图像的像素位置,σ称为尺度空间因子,其值越小则表征该图像被平滑的越少,相应的尺度也就越小,大尺度对应于图像的概貌特征,小尺度对应于图像的细节特征,L代表了图像的尺度空间;步骤二、初级视觉特征提取1、亮度特征提取如果是彩色视频图像,r、g、b分别表示图像中的红色、绿色和蓝色,则亮度计算公式为:I=(r+g+b)/3(3)如果是灰度图像,则灰度特征直接选取每个像素的灰度值即可;2、颜色特征提取定义R、G、B、Y分别为红、绿、蓝、黄4个颜色通道,则:Y=(r+g)/2-(r-g)/2-b则RG和BY通道为:RG=R-GB,Y=B-(R+G)/2;3、方向特征提取方向特征用Gabor滤波器来进行提取:一维Gabor函数,即1D-Gabor函数:式中,σ为高斯函数的标准差,w0为复平面波的空间频率,x0为1D-Gabor函数的中心点坐标,其1D-Gabor函数的奇、偶分量的公式分别为:根据3σ原理,取l=6σ/w0;二维Gabor函数,即2D-Gabor函数是在Gauss包络下的一个沿x轴的复变正弦波,二维Gabor函数表达式为:二维Gabor函数的实部和虚部分别为:θ是方向参数,σ越大能量越分散,越小越集中,有高频σh、低频σl两个中心频率;方向角θ的选择:θ=0,30,60,90,120,150,滤波器窗口为32*32,共有24个Gabor滤波器;输入图像I(x,y)与Gabor小波核函数的卷积为:r(x,y)=∫∫I(ε,η)g(x-ε,y-η)dεdη(8)Gabor小波变换后结果是复数,取复数的模||r(x,y)||的均值和方差作为小波变换的结果;选用θ=0,30,60,90,120,150六个方向的Gabor滤波器输出作为方向特征,通过(7)式获得六个方向的Gaobr滤波器,然后用这些滤波器对高斯金字塔结构的每一层图像滤波,得到对应的六个方向上的特征映射图;4、运动特征提取运动特征包括运动速度与运动方向两类特征;1)运动矢量提取:采用...
【专利技术属性】
技术研发人员:徐振辉,毛保全,朱守瑞,白向华,杨雨迎,韩小平,吴东亚,冯帅,李程,张天意,辛学敏,郑博文,王之千,李俊,朱锐,李晓刚,兰图,
申请(专利权)人:中国人民解放军陆军装甲兵学院,
类型:发明
国别省市:北京,11
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。