一种基于显著性检测的智能构图方法技术

本发明专利技术提供一种基于显著性检测的智能构图方法，包括以下步骤：获取超广角畸变图像；构建超广角畸变图像修复模型；对超广角畸变图像进行显著性检测，获取超广角畸变图像中显著性最大的像素点p；将像素点p作为投影点获取半球面上的投影源点p1；在坐标系X‑Y‑Z内选取视平面ABCD作为目标视平面，视平面ABCD与半球面相切，切点与点p1重合且位于视平面ABCD的中心，求取超广角畸变图像在视平面ABCD上的投影图像。通过对超广角畸变图像进行显著性检测获得目标视点，根据目标视点超广角畸变图像修复模型中建立目标视平面，最终将超广角畸变图像变换到视平面图像上，获得以目标视点为中心的修复图像，达到智能构图的结果。本发明专利技术应用于图像处理领域。

【技术实现步骤摘要】
一种基于显著性检测的智能构图方法
本专利技术涉及图像处理、计算机视觉和虚拟现实
，尤其涉及一种基于显著性检测的智能构图方法。
技术介绍
普通镜头的视角大约在30度，而广角镜头的视角一般都在90度至120度，而超广角镜头的视角可以达到180甚至220度。超广角镜头具有比普通镜头更宽的视场，可以在一幅图像中包含更多的信息量，因此在安防监控、工业医疗、智能交通等领域得到了广泛应用。在计算机视觉和虚拟现实领域，利用单张超广角图像，不通过图像的拼接技术，可以直接实现准全景漫游，即半空间虚拟漫游。通过人机交互，用户选择合适的视点，机器如头盔、手机等设备给出对应视点的平面图像。但有时在系统中受环境等限制，比如监控超广角视频图像中的目标检测跟踪等，系统没法随着目标的移动进行视点选择，这时就需要机器自动生成平面图像。目前的情况是机器自动生成图像时，不会实时的选择合适的视点，都是按照默认的视点(一般都是图像的中心点)来进行操作的，但是在大多目标检测跟踪过程中，目标视点大多都是图像中颜色差异最大的部分，这样生成的图像不能保证需要后续处理的目标处于比较中心的位置，会大大影响后续的处理效果。
技术实现思路
针对现有技术中对超广角畸变图像进行修复处理时，生成的图像不能保证需要后续处理的目标处于比较中心的位置等问题，本专利技术的目的是提供一种基于显著性检测的智能构图方法，通过对超广角畸变图像进行显著性检测，并将超广角畸变图像中显著性最大的像素点作为目标视点，根据目标视点建立目标视平面，最终将超广角畸变图像变换到视平面图像上，获得智能构图的结果。为了实现上述专利技术目的，本专利技术采用的技术方案是：一种基于显著性检测的智能构图方法，包括以下步骤：S1、获取超广角畸变图像，其中，超广角畸变图像中的所有场景的有效信息集中在同一个圆形区域中；S2、构建超广角畸变图像修复模型，将超广角畸变图像修复为180度视角空间：设立空间坐标系X-Y-Z，超广角畸变图像位于XOY平面内，超广角畸变图像的中心与坐标系原点重合，选用半球形结构对超广角畸变图像进行修复，即球心与超广角畸变图像的圆心重合，球形半径与超广角畸变图像的半径r相等；S3、对超广角畸变图像进行显著性检测，获取超广角畸变图像中显著性最大的像素点p，即目标视点；S4、将像素点p作为投影点获取半球面上的投影源点p1；S5、在坐标系X-Y-Z内选取视平面ABCD作为目标视平面，视平面ABCD与半球面相切，切点与点p1重合且位于视平面ABCD的中心，求取超广角畸变图像在视平面ABCD上的投影图像，即显示屏上显示的是以目标视点为中心的显示图像。作为上述技术方案的进一步改进，步骤S2中，超广角畸变图像的半径r的求取过程为：S21、将彩色的超广角畸变图像A(x，y)转换成灰度图像G(x，y)；S22、对灰度图像G(x，y)进行二值化处理，得到二值化图像GB(x，y)；S23、求取超广角畸变图像的半径r：式中，N是二值图GB(x，y)中所有白色像素点的总个数。作为上述技术方案的进一步改进，步骤S3具体包括：S31、将超广角畸变图像A(x，y)从RGB空间变换到HSV空间；S32、对变换到HSV空间的超广角畸变图像A(x，y)进行区域分割，获得分割后的目标图像合集{ACn|n＝1,…,N}；S33、计算目标图像合集{ACn|n＝1,…,N}中所有目标图像的显著性值；S34、选择显著性值最大的目标图像，将其中心像素点作为点p。作为上述技术方案的进一步改进，步骤S32中，采用meanshift方法对变换到HSV空间的超广角畸变图像A(x,y)进行区域分割。作为上述技术方案的进一步改进，步骤S33具体包括：S331、对目标图像合集{ACn|n＝1,…,N}中所有目标图像，选择每一目标图像HSV颜色空间的H分量作为对应目标图像的特征空间；S332、统计每一目标图像特征空间的颜色直方图，将每一目标图像特征空间分成M＝32份，每份记为特征空间的一个特征值，得到对应的特征向量{FCn(m)|n＝1,…,N；m＝1,…,M}S333、计算任意两个目标图像的颜色差异度：式中，Dt(ACn1,ACn2)表示目标图像ACn1与ACn2的颜色差异度；S334、计算任一目标图像的显著性值：式中，St(ACn1)表示目标图像ACn1的显著性值，为权重系数，NUM(ACn2)表示目标图像ACn2所包含的像素数目；Dist(ACn1,ACn2)表示目标图像ACn1与ACn2的空间距离，(xn1,yn1)是ACn1的中心坐标，(xn2,yn2)是ACn2的中心坐标。作为上述技术方案的进一步改进，步骤S5中，所述求取超广角畸变图像在视平面ABCD上的投影图像具体包括：S51、在视平面ABCD上任取一点S2并将点S2与球心相连，获得连线与半球面的交点S1，其中点S2的的坐标为(x，y，z)；S52、将点S1垂直投影到XOY平面上，在超广角畸变图像上获得投影点S，其中，投影点S的坐标为(u，v，0)：S53、将投影点S的像素值赋值到点S2；S54、重复步骤S51、S52、S53直至遍历视平面ABCD上所有的点，即得到超广角畸变图像在视平面ABCD上的投影图像。本专利技术的有益技术效果：本专利技术通过构建超广角畸变图像修复模型，将超广角畸变图像修复为180度视角空间，并对超广角畸变图像进行显著性检测，将超广角畸变图像中显著性最大的像素点作为目标视点，根据目标视点超广角畸变图像修复模型中建立目标视平面，最终将超广角畸变图像变换到视平面图像上，获得以目标视点为中心的修复图像，达到智能构图的结果。附图说明图1是本实施例的流程示意图；图2是超广角畸变图像修复模型示意图。具体实施方式为了便于本专利技术的实施，下面结合具体实例作进一步的说明。如图1所示的一种基于显著性检测的智能构图方法，包括以下步骤：S1、获取超广角畸变图像，其中，超广角畸变图像中的所有场景的有效信息集中在同一个圆形区域中。S2、参考图2，构建超广角畸变图像修复模型，将超广角畸变图像修复为180度视角空间，可供用户实现向左、向前、向右等方面的观看，实现虚拟漫游的目的：设立空间坐标系X-Y-Z，超广角畸变图像位于XOY平面内，超广角畸变图像的中心与坐标系原点重合，选用半球形结构对超广角畸变图像进行修复，即球心与超广角畸变图像的圆心重合，球形半径与超广角畸变图像的半径r相等。超广角畸变图像的半径r的求取过程为：S21、将彩色的超广角畸变图像A(x，y)转换成灰度图像G(x，y)；S22、对灰度图像G(x，y)进行二值化处理，得到二值化图像GB(x，y)；S23、求取超广角畸变图像的半径r：式中，N是二值图GB(x，y)中所有白色像素点的总个数。S3、对超广角畸变图像进行显著性检测，获取超广角畸变图像中显著性最大的像素点p，即目标视点，具体包括：S31、将超广角畸变图像A(x，y)从RGB空间变换到HSV空间：视频帧的图像都是RGB颜色空间图像，但是RGB颜色空间不符合人眼的视觉特点，容易受到光照等情况的影响，因而，将超广角畸变图像A(x，y)从RGB颜色空间变换到HSV颜色空间；S32、采用meanshift方法对变换到HSV空间的超广角畸变图像A(x，y)进行区域分割，获得分割后的目标图像合集{ACn|n＝本文档来自技高网...

【技术保护点】
1.一种基于显著性检测的智能构图方法，其特征在于，包括以下步骤：S1、获取超广角畸变图像，其中，超广角畸变图像中的所有场景的有效信息集中在同一个圆形区域中；S2、构建超广角畸变图像修复模型，将超广角畸变图像修复为180度视角空间：设立空间坐标系X‑Y‑Z，超广角畸变图像位于XOY平面内，超广角畸变图像的中心与坐标系原点重合，选用半球形结构对超广角畸变图像进行修复，即球心与超广角畸变图像的圆心重合，球形半径与超广角畸变图像的半径r相等；S3、对超广角畸变图像进行显著性检测，获取超广角畸变图像中显著性最大的像素点p，即目标视点；S4、将像素点p作为投影点获取半球面上的投影源点p1；S5、在坐标系X‑Y‑Z内选取视平面ABCD作为目标视平面，视平面ABCD与半球面相切，切点与点p1重合且位于视平面ABCD的中心，求取超广角畸变图像在视平面ABCD上的投影图像，即显示屏上显示的是以目标视点为中心的显示图像。

【技术特征摘要】
1.一种基于显著性检测的智能构图方法，其特征在于，包括以下步骤：S1、获取超广角畸变图像，其中，超广角畸变图像中的所有场景的有效信息集中在同一个圆形区域中；S2、构建超广角畸变图像修复模型，将超广角畸变图像修复为180度视角空间：设立空间坐标系X-Y-Z，超广角畸变图像位于XOY平面内，超广角畸变图像的中心与坐标系原点重合，选用半球形结构对超广角畸变图像进行修复，即球心与超广角畸变图像的圆心重合，球形半径与超广角畸变图像的半径r相等；S3、对超广角畸变图像进行显著性检测，获取超广角畸变图像中显著性最大的像素点p，即目标视点；S4、将像素点p作为投影点获取半球面上的投影源点p1；S5、在坐标系X-Y-Z内选取视平面ABCD作为目标视平面，视平面ABCD与半球面相切，切点与点p1重合且位于视平面ABCD的中心，求取超广角畸变图像在视平面ABCD上的投影图像，即显示屏上显示的是以目标视点为中心的显示图像。2.根据权利要求1所述基于显著性检测的智能构图方法，其特征在于，步骤S2中，超广角畸变图像的半径r的求取过程为：S21、将彩色的超广角畸变图像A(x，y)转换成灰度图像G(x，y)；S22、对灰度图像G(x，y)进行二值化处理，得到二值化图像GB(x，y)；S23、求取超广角畸变图像的半径r：式中，N是二值图GB(x，y)中所有白色像素点的总个数。3.根据权利要求1所述基于显著性检测的智能构图方法，其特征在于，步骤S3具体包括：S31、将超广角畸变图像A(x，y)从RGB空间变换到HSV空间；S32、对变换到HSV空间的超广角畸变图像A(x，y)进行区域分割，获得分割后的目标图像合集{ACn|n＝1,…,N}；S33、计算目标图像合集{ACn|n＝1,…,N}中所有目标图像的显著性值；S34、选择显著性值最大的目标图像，将其...

【专利技术属性】
技术研发人员：向北海，
申请(专利权)人：湖南优象科技有限公司，
类型：发明
国别省市：湖南,43