一种判定显著区域是否存在的方法及系统技术方案

本发明专利技术提供一种判定显著区域是否存在的方法及系统，其中方法包括训练过程和测试过程，所述测试过程包括以下步骤：选取训练图像集D，进行标注；计算所述每幅图像的直方图特征；计算所述每幅图像的熵特征P；将图像的所述熵特征P和对应的图像类标输入到SVM进行训练，得到训练模型；所述测试过程包括提取测试图像的熵特征，并将所述熵特征输入所述训练模型，对其是否含有显著区域进行判断。本发明专利技术提出的判定显著区域是否存在的方法及系统，引入图像的熵特征，以便于后续的视觉任务根据是否含有显著区域采取不同的处理过程，提高系统性能。提高系统性能。提高系统性能。

【技术实现步骤摘要】
一种判定显著区域是否存在的方法及系统


[0001]本专利技术涉及图像处理的
，具体地说是一种判定显著区域是否存在的方法及系统。

技术介绍

[0002]在长期的进化中，人类在进行图像理解时，总会把注意力放在图像中最能引起注意的区域，自动忽略相对不能引起注意的区域。人类这种自动选择感兴趣区域的感知能力被称为视觉注意力机制。显著性检测技术是让计算机模拟人类的视觉注意力机制，对处理的图像进行自动的信息选择和筛选。图像中能够快速吸引观察者注意力的区域称为显著区域，显著性检测技术就是发现图像中的显著区域。显著性检测是计算机视觉中非常活跃的研究方向，提取的显著区域可以为诸多应用提供原始对象，其应用领域极为广泛，如对象识别、对象分割、基于内容的图像检索、内容已知的图像缩放和图像压缩等。
[0003]随着显著性研究的深入，目前已经有研究显示图像中不一定包含显著区域。文献【P.Wang,J.Wang,G.Zeng,J.Feng,H.Zha,and S.Li.Salient object detection for searched web image本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种判定显著区域是否存在的方法，包括训练过程和测试过程，其特征在于，所述测试过程包括以下步骤：步骤1：选取训练图像集D，进行标注；步骤2：计算所述每幅图像的直方图特征；步骤3：计算所述每幅图像的熵特征P；步骤4：将图像的所述熵特征P和对应的图像类标输入到SVM进行训练，得到训练模型；所述测试过程包括提取测试图像的熵特征，并将所述熵特征输入所述训练模型，对其是否含有显著区域进行判断。2.如权利要求1所述的判定显著区域是否存在的方法，其特征在于，所述标注方法为含有显著区域的图像类标为1，不含有显著区域的图像类标为0。3.如权利要求2所述的判定显著区域是否存在的方法，其特征在于，所述步骤2包括以下子步骤：步骤21：判断图像I的维数size，I∈D；当size＝3时，则图像I是彩色图像，否则将I转化为彩色图像；步骤22：获取图像I的三个颜色通道；步骤23：获取图像的尺寸，长为x，宽为y；步骤24：将灰度等级划分为256级，level＝{m|1≤m≤256}，统计每个颜色通道的每个灰度等级的直方图特征，结果为{histR，histG，histB}，并将直方图特征进行归一化，其中，histR＝{histR1，...，histR
m
，...，histR
256
}，histG＝{histG1，...，histG
m
，...，histG
256
}，histB＝{histB1，...，histB
m
，...，histB
256
}，m为灰度等级，histR
m
为灰度级别为m的红色灰度直方图值，histG
m
为灰度级别为m的绿色灰度直方图值，histBm为灰度级别为m的蓝色灰度直方图值。4.如权利要求3所述的判定显著区域是否存在的方法，其特征在于，所述三个颜色通道包括R颜色通道、G颜色通道和B颜色通道，分别为：I(：，：，1)、I(：，：，2)、I(：，：，3)。5.如权利要求4所述的判定显著区域是否存在的方法，其特征...

【专利技术属性】
技术研发人员：梁晔，马楠，宏晨，姬厚国，李梦哲，牟圣豪，罗超市，肖洪广，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：