用于创建图像的显著图的设备和方法技术

本发明专利技术涉及一种用于创建图像的显著图的方法。所述方法包括把图像分级分解为频率子波段的步骤。根据本发明专利技术，所述方法包括步骤：根据分解为频率子波段，计算当前图像（Ｉ（ｔ））与在前图像（Ｉ（ｔ－ｎＴ））之间的移动估计，估计图像的支配移动，并估计当前图像的每一个像素的局部移动；从全局和局部移动估计中获得时间显著图的创建。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于创建图像的时间显著图的设备和方法。
技术介绍
人类信息处理系统本质上是一种受限系统，尤其对于视觉系统来说。尽管受到认知资源的限制，这个系统必须面对包含于视觉环境中的大量信息。然而荒谬的是，人类似乎成功解决了这个问题，这是因为人们能够理解自有的视觉环境。 通常假定某些视觉特征对于视觉系统是基本的，因而它们不需要感知引起注意的资源。这些视觉特征被称作前注意(pre-attentive)特征。 根据这个视觉研究原则，人类的注意行为在前注意和注意处理之间共享。如上所述，被称作自下而上(bottom-up)处理的前注意处理与无意(involuntary)注意有关。人们的注意力很容易被吸引至视野中的显著部分。当考虑被称作自上而下(top-down)处理的注意处理时，被证实的是人们的注意力与人们头脑中的具体任务有关。因此，这个第二形式的注意力是更精密且有力的，因为这个形式的注意力需要付出努力以便使人们向特定方向凝视。 检测图像中的显著点能够改进其它步骤，例如编码或图像索引、加水印、视频质量估计。 公知的方法或多或少基于非心理视觉特征。与这些方法相反，所提出的方法依赖于如下事实该模型完全基于人类视觉系统(HVS)，例如早期视觉特征的计算。
技术实现思路
在第一方面，本专利技术提出了一种用于创建图像的显著图的方法，包括把图像分级分解为频率子波段的步骤。 根据本专利技术，所述方法包括步骤 -根据分解为频率子波段，计算当前图像与在前图像之间的移动估计，估计图像的支配移动，并估计当前图像的每一个像素的局部移动， -从全局和局部移动估计中获得时间显著图的创建。 根据优选实施例，对于频率子波段分解步骤进一步来说，所述方法包括步骤基于方向的分解，给出了感知(perceptual)子波段分解。 根据优选实施例，所述方法包括步骤对不同的感知子波段进行内掩蔽(intra masking)。 根据优选实施例，所述方法包括如下步骤 -构造四级金字塔， -针对该金字塔的每一个分辨率级，计算每一个像素的局部运动矢量。 根据优选实施例，所述方法包括步骤通过使用从所获金字塔的全部分辨率级中获得的局部运动矢量，获取图像中每一个像素的图像支配移动的参数模型。 根据优选实施例，所述方法包括步骤获取图像中每一个像素的相对运动矢量，该矢量为所述像素图像的局部运动估计与支配移动之间的差。 根据优选实施例，所述方法包括步骤利用眼睛的最大跟踪速度对相对运动矢量进行加权。 根据优选实施例，所述方法包括步骤计算图像的相对运动矢量的直方图，以获得归一化的时间显著图。 根据优选实施例，本专利技术包括步骤计算所述图像的空间显著图；以及所述归一化时间显著图和所述空间显著图的融合。 附图说明 借助于附图对本专利技术的非限制性实施例进行描述，从而本专利技术的其它特征和优点将会变得明显，其中 -图1表示用于把空间显著图构造应用于黑白图像的方法的优选实施例的概括流程图， -图2表示用于把空间显著图构造应用于彩色图像的方法的优选实施例的概括流程图， -图3表示无色分量的心理学视觉空间频率划分， -图4表示色度分量的心理学视觉空间频率划分， -图5表示Dally对比度灵敏度函数， -图6a和6b分别示出了视觉掩蔽和掩蔽的非线性模型， -图7表示根据优选实施例的归一化步骤的流程图， -图8表示抑制/激励步骤， -图9表示针对θ＝0的用于模型促进交互的滤波器的曲线图(profile)， -图10表示算子D(z)的演示， -图11表示色度增强步骤， -图12表示由于CRF侧面的相邻区域而引起的非CRF展示， -图13表示针对特定取向和径向频率的归一化加权函数的曲线图示例， -图14表示时间显著图构造方法的实施例的概括流程图， -图15表示根据空间和时间活动性而构造显著图的方法的实施例的概括流程图。 -图16表示系数α根据空间-时间活动性FD的变化。 具体实施例方式 图1表示把根据本专利技术的方法用于黑白图像的优选实施例的概括流程图。 该算法被分为三个主要部分。 第一部分被称作可见度，基于人类视觉系统(HVS)具有有限灵敏度的事实。例如，HVS不能以良好的精确度感知真实环境中的所有信号，而且不能感知小的刺激。第一步骤的目标必须通过使用感知分解、对比度灵敏度函数(CSF)和掩蔽函数而考虑这些固有的限制。 第二部分专门用于感知概念。感知是从外部世界的图像中产生对于观察者有用且不与非相关信息混杂的描述的处理。为了选择相关信息，根据生物证据，尤其使用中心周围机制(center surroundmechanism)。 最后的步骤涉及感知分组领域的一些方面。感知分组是指不需要图像内容的任何知识、从低级原始图像特征中提取显著图像关系并将它们分组以获得有意义的高级结构的人类视觉能力。所提出的方法仅关注于轮廓积分和边缘连接。 对频域的信号执行步骤E3、E4。 在空间域进行步骤E1、E6和E9。 在频域或空间域进行步骤E7和E8。如果在频域进行，则在步骤E7之前必须进行傅立叶变换，且在步骤E9之前必须进行傅立叶逆变换。 在步骤E1中，从考虑的图像中提取亮度分量。 在步骤E2中，通过使用例如傅立叶变换的已知变换，将亮度分量转换到频域，以便能够在步骤E3中对图像应用感知子波段分解。 在步骤E3中，对亮度分量应用感知分解。该分解是受皮层转换的启发，并且基于在文献“The computation of visual bandwidths andtheir impact in image decomposition and coding”，InternationalConference and Signal Processing Applications and Technology，Santa-Clara，California，pp.776-770，1993中提出的分解。根据人眼的可见度阈值来进行该分解。 根据不同心理物理学实验，通过在空间径向频率和取向(orientation)中分割频域而获得分解。如图3所示，分量A的感知分解产生了分布在4个轮周(crown)的17个心理视觉子波段。 图3上的阴影区域表示属于第三轮周且具有从15至45度的30度角度选择性的子波段的谱支持(spectral support)。 从I至IV标记空间频率的4个域(轮周) I从每度0至1.5周的空间频率； II从每度1.5至5.7周的空间频率； III从每度5.7至14.2周的空间频率； IV从每度14.2至28.2周的空间频率。 角度选择性取决于所考虑的频域。对于较低频率，不存在角度选择性。 这些分解的主要性质以及与皮层转换的主要差别是随径向频率而增加的非并矢(non-dyadic)径向选择性和取向选择性。 可以将产生的每一个子波段看作是与调谐到空间频率范围和特定取向的视觉细胞群相对应的神经系统图像。实际上，这些细胞属于初级视皮层(对于可视区域1，也被称为纹状皮质或V1)。它由总共大约200百万神经元组成，且从横向膝状细胞核(lateral geniculatenucleus)接收输入。大约80％细胞对于视觉刺激的取向和空间频本文档来自技高网...

【技术保护点】
一种用于创建图像的显著图的方法，包括把图像分级分解为频率子波段的步骤，其特征在于，所述方法包括步骤：　　　　－根据分解为频率子波段，计算当前图像（Ｉ（ｔ））与在前图像（Ｉ（ｔ－ｎＴ））之间的移动估计，估计图像的支配移动，并估计当前图像的每一个像素的局部移动，　　　　－从全局和局部移动估计中获得时间显著图的创建。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：奥利弗勒默尔，多米尼克托罗，菲利普萨蒙，多米尼克巴尔巴，帕特里克勒卡莱，
申请(专利权)人：汤姆森许可贸易公司，
类型：发明
国别省市：FR[法国]