基于图像的多特征融合提取图像关注度的方法技术

本发明专利技术公开了一种基于图像的多特征融合提取图像关注度的方法，该方法包括其具体步骤如下：（１）输入图像，分别提取每个区域的多个特征；（２）进行多个特征融合，计算区域关注度；（３）通过图像中每个像素点的像素值与每个区域的均值的相近程度，将上述区域关注度转化为图像中每个像素点ｋ的关注度，提取图像关注度。该方法采用多个特征融合，计算区域关注度，不仅能准确地定位人眼关注的位置，而且能准确地凸显关注物体的整个区域和外围轮廓，更满足人眼的视觉要求，并且具有准确度高且实时性好的特点，在机器视觉、对象分割、目标跟踪等领域有很好的应用前景。

【技术实现步骤摘要】

本专利技术涉及计算机视觉、图像处理
，具体地说是涉及一种基于图像的多 特征融合提取图像关注度的方法。
技术介绍
随着信息时代的来临、多媒体技术的飞速发展，信息的传输量日益增多，其中不仅 有文字信息和语音信息，也有大量的图像信息和视频信息。人们并不是对图像中的所有内 容都是同等重视的，人们最关注的是有用的信息。提取图像关注度，找出图像中人眼关注的 位置和对象，是图像分析、模式识别和计算机视觉领域的一个重要问题，同时也是一个难点 问题。正如1998年11月L. Itti等人在IEEE《图形分析和机器智能》学刊的第20期，第 11篇发表了“一种快速场景分析的基于显著性的视觉注意力模型”一文，该文介绍了视觉注 意力模型，它主要用于预测人眼的关注点，但是用上述视觉注意力模型，只能找到最受关注 物体的位置而找不出物体的具体形状。2007年刘铁等人在IEEE《CVH 论文集》第1至8 页中发表了 “学习检测单个显著性物体”一文，该文介绍的“检测单个显著性物体”，是用多 个特征描述显著性物体的局部、区域和全局特性，并用条件随机域模型检测显著性物体，虽 然能够将显著性物体凸显出来，但是显著性物体的轮廓模糊，不符合人眼感受。
技术实现思路
本专利技术的目的在于针对已有技术中存在的缺陷提出一种基于图像的多特征融合 提取图像关注度的方法，该方法不仅能够准确地定位人眼关注的位置，而且能准确地凸显 关注物体的整个区域和外围轮廓，满足人眼的视觉要求。为了达到上述目的，本专利技术所采用的技术方案是上述，其具体步骤如下(1)，输入原始图像，分别提取每个区域的多个特征。(2)、进行多个特征融合，计算区域关注度。(3)、通过图像中每个像素点的像素值与每个区域的均值的相近程度，将上述区域 关注度转化为图像中每个像素点k的关注度，提取图像关注度。上述步骤(1)所述的输入原始图像，分别提取每个区域的多个特征，其具体步骤 如下(1-1)、计算任一区域的均值将原始图像从RGB颜色空间转换到CIE Lab颜色空间，用Mean Shift算法分割图 像，分割后的任一区域i的均值记为<，其中，i = 1，2，. . .，N，N为分割区域的数目；(1-2)、计算任一区域的中心位置< ；(1-3)、统计任一区域i与图像边框的相交长度Im ；(1-4)、用Carmy算子找出任一区域内的边缘先用Carmy算子找出图像内所有的边缘，然后将任一区域i内的边缘象素组成集合Ei;上述步骤(2)所述的进行多个特征融合，计算区域关注度，其具体步骤如下(2-1)、分别计算任一区域与相邻区域和图像均值的差异性度量先找出任一区域对应的相邻区域，计算任一区域i与相邻区域的均值的差异性度量，其计算表达式为D11 = Yj^diK,(1)其中，Ai表示为任一区域i与相邻区域的均值的差异性度量， 表示欧氏距离， Θ表示区域i的相邻区域，Liij表示区域i和j的相交长度，Ci表示区域i的周长，rs表示 区域的中心位置，rc表示区域的均值。计算任一区域i与图像均值的差异性度量，其计算表达式为 其中，表示为任一区域i与图像均值的差异性度量，m。表示图像均值。(2-2)、计算任一区域i内的边缘的差异性度量计算任一区域i内的边缘的差异性度量，其计算表达式为 其中，坟表示为任一区域i内的边缘的差异性度量，Pk和Pj表示像素k和像素j 的颜色值，Θ ‘表示像素k的8邻域，Num(Ei)表示象素集合Ei中的像素个数。(2-3)、计算任一区域位置的差异性度量计算任一区域位置的差异性度量，其计算表达式为 其中，仅表示为任一区域位置的差异性度量，ms是图像的中心位置，h和w分别是 图像的高和宽，4为区域i与图像边框的相交长度，Cm是图像的周长。(2-4)、计算区域关注度融合上述步骤(2-1)、(2-2)、(2-3)所述的差异性度量，计算出区域关注度SK(i)， 其计算表达式为 上述步骤(3)所述的通过图像中每个像素点的像素值与每个区域的均值的相近 程度，将上述区域关注度转化为图像中每个像素点k的关注度，提取图像关注度，其计算表 达式为 本专利技术的与现有的技术相比，具有 如下优点该方法采用多个特征融合，计算区域关注度，不仅能准确地定位人眼关注的位 置，而且能准确地凸显关注物体的整个区域和外围轮廓，更满足人眼的视觉要求，并且具有准确度高且实时性好的特点，在机器视觉、对象分割、目标跟踪等领域有很好的应用前景。附图说明图1是本专利技术的的流程图；图2 (a)为输入的原始图像；图2(b)是用Mean Shift算法分割原始图像后的区域分割图；图3是区域的中心位置的图；图4是用Carmy算子找出任一区域内的边缘的图；图5是区域与相邻区域的差异性的图；图6是区域与图像均值的差异性的图；图7是区域内边缘的差异性的图；图8是区域位置的差异性的图；图9是区域关注度的图；图10是图像关注度的图；图11是多种类型图像关注度的图(图(a)为原始图像，图(b)为关注度的图)。 具体实施例方式下面结合附图对本专利技术的实施例作进一步详细说明。本专利技术进行的仿真实验是在CPU为2. OGHz、内存为IG的PC测试平台上编程实现。如图1所示，本专利技术的所采用的技 术方案是首先将原始图像分割成若干区域，提取每个区域的多个特征；然后分别融合上 述各个区域的多个特征的差异性度量，计算每个区域的关注度；最后将每个区域的关注度 转化为图像中每个像素点的关注度，提取图像关注度，其具体步骤如下(1)，输入原始图像，用Mean Shift算法分割图像，分别提取每个区域的多个特征， 其具体如下(1-1)、计算任一区域的均值将原始图像从RGB颜色空间转换到CIE Lab颜色空间，用Mean Shift算法分割图 像，统计任一区域的均值，如图2(a)、图2(b)所示，图2(a)、图2(b)分别为原始图像和用 MeanShift算法分割原始图像后的区域分割图像，在图2(b)中任一区域内所有像素点的颜 色都用该区域的均值表示。(1-2)、计算任一区域的中心位置将任一区域内的所有像素点位置计算统计平均量，得到区域的中心位置，如图3 所示，图中每一个黑点就表示一个区域的中心位置。(1-3)、计算任一区域与图像边框的相交长度通过统计任一区域拥有图像边框像素的个数求出任一区域与图像边框的相交长度。(1-4)、用Carmy算子找出任一区域内的边缘先用Carmy算子找出图像内所有的边缘，然后将任一区域i内的边缘象素组成集 合Ei,如图4所示，图中属于同一集合的边缘像素颜色相同，属于不同集合的边缘像素颜色 不同。(2)、进行多个特征融合，计算区域关注度。利用步骤(1)提取的多个特征，分别计算区域与相邻区域和图像均值的差异性度 量、图像边缘的差异性度量、区域位置的差异性度量，然后进行融合计算区域关注度，其具 体步骤如下(2-1)、分别计算任一区域与相邻区域和图像均值的差异性度量 先找出每个区域对应的相邻区域，按照公式(1)计算任一区域i与相邻区域的均 值的差异性度量，其差异性度量如图5所示。用灰度图来表示差异性的大小，灰度图中颜色 越接近白色就表示差异性越大，灰度图中颜色越接近黑色就表示差异性越小。由图5看出 图中右下角的花瓣区域与相邻区域的均值的差异性最大。先计算出图像均值，然本文档来自技高网...

【技术保护点】
一种基于图像的多特征融合提取图像关注度的方法，其具体步骤如下：（１），输入原始图像，分别提取每个区域的多个特征；（２）、进行多个特征融合，计算区域关注度；（３）、通过图像中每个像素点的像素值与每个区域的均值的相近程度，将上述区域关注度转化为图像中每个像素点ｋ的关注度，提取图像关注度。

【技术特征摘要】

【专利技术属性】
技术研发人员：薛银珠，刘志，史冉，
申请(专利权)人：上海大学，
类型：发明
国别省市：31[中国|上海]