一种根据信息熵得到图像显著性特征的方法技术

本发明专利技术涉及一种根据信息熵得到图像显著性特征的方法，技术特征在于：同时考虑了RGB和Lab两个颜色空间，分别在6个颜色通道中计算图像的最大邻域整体特征、剩余谱特征及稀疏性特征，运用信息熵找出每种方法的最优颜色通道，接着运用信息熵组合得到的最优显著性特征，最后，考虑像素距离图像中心分布特征，得到最终显著性特征分布图。

【技术实现步骤摘要】

本专利技术属于计算机图像处理领域，尤其涉及。
技术介绍
计算机视觉的根本目标是让机器模拟人的视觉系统，实现对图像数据的语义级理解。在观看图像时，人往往有选择性的注意其中的小部分区域，即所谓的显著区域。如何让计算机模拟人类的视觉注意机制能够自动预测图像中显著性区域成为近年来的研究热点。现有的研究方法中，典型的方法有中央-周边机制，即中央和周边差异大的区域为显著区域；谱残余，即基于不同的图像具有相似的对数谱曲线的性质找到显著区域；像素的统计特性，即像素值出现次数越少的点越显著。顔色是影响人类视觉系统的最重要的因素，我们从RGB和Lab两个颜色空间、六个顔色通道考虑图像的特征。特征图的融合是显著性研究的必要步骤，现有的线性和非线性融合都有各自的优缺点。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本专利技术提出，首先基于信息熵寻找最优的顔色通道，接着运用信息熵融合个的最优特征图，最后，考虑像素的分布特征得到图像的显著性特征。技术方案，其特征在步骤如下步骤I :将nXn的输入图像转化为RGB颜色空间和Lab颜色空间，得到6个颜色通道 R, G, B，L, a, b ；步骤2 :计算每一个颜色通道中任一点(X，y)的最大矩形邻域\ max(l, X—min(x, n-x))<x< min(x + min(x, n - x))， ),]U = <j (XX)\ ；步骤3 :计算最大矩形邻域的像素均值HieanUi,其中i为颜色通道，i ={R, G, B，L, a, b}；步骤4 :计算6个颜色通道的全局显著性特征Smapil (x, y) = (f i (x, y) HeanUi),其中4 (x, y)是颜色通道i在(X，y)处像素值，Smapli (x, y)是颜色通道i的显著性特征值；步骤5:计算6个颜色通道的谱残余R(f) =L(f)_hn(f)L(f)，其中对数相位谱I IL(f) = log(A(f))，A(f)是幅度频谱= I ; I步骤6 :计算6个颜色通道的谱残余显著性特征Smapi2 (x, y) = g (x, y) r1 (exp (R(Ifi))+jP (も))，其中g(x, y)是高斯滤波，P (f)是相位频谱，F—1是傅里叶反变换，j是虚数単位；步骤7 :计算6个颜色通道的稀疏性显著性特征ひ')=一^~其中Pi(fi(x，y))表示颜色通道i中像素值为fi(x，y)的出现的频率；n步骤8 :计算图像的信息熵为开(/；(ズ，ア))=-;E&ズ(ろア)，其中 是ー个高斯低通滤波器；步骤9 :计算全局显著性特征、谱残余显著性特征、稀疏性显著性特征分别在RGB顔色空间和Lab顔色空间的最优显著性特征，RGB 颜色空间OptimalSmapls = {Smap | H(Smap) = min (H(Smapts))， Lab 颜色空间OptimalSmap2s = {Smap | H(Smap) = min (H(Smapts))，其中OptimalSmapls，OptimalSmap2s分别表示第t种方法在RGB颜色空间和Lab颜色空间中得到的最优显著性特征；t= {L，a，b}，s = l，2，3}；步骤10 :计算最优显著性特征的信息熵Hls = H(OptimalSmapls)j I = 1，2;步骤11 :计算RGB顔色空间的综合显著性特征-.Smapl =厶」Jj~ ;计算Lab顔色空间的综合显著性特征む輝2 = L ^ Z —ゎ； [12s步骤12 :将Smapl和Smap2归ー化并组合,得显著性特征 ,S'願/. ISmu'p2步骤13 :对步骤12的显著性特征，运用高斯低通滤波得到最終图像显著性特征。有益效果本专利技术提出的，同时考虑了 RGB和Lab两个颜色空间，分别在6个颜色通道中计算图像的最大邻域整体特征、剰余谱特征及稀疏性特征，运用信息熵找出每种方法的最优颜色通道，接着运用信息熵组合得到的最优显著性特征，最后，考虑像素距离图像中心分布特征，得到最终显著性特征分布图。附图说明图I :本专利技术方法的基本流程2 :本专利技术方法的实例操作流程图具体实施例方式现结合实施例、附图对本专利技术作进ー步描述用于实施的硬件环境是AMD Athlon 64X25000+计算机、2GB内存、256M显卡，运行的软件环境是Matlab2010a和Windows XP。我们用Matlab软件实现了本专利技术提出的方法。本专利技术具体实施如下I :将输入图像的大小调整为128X 128 ；2 :将图像转化为RGB颜色空间和Lab颜色空间，得到6个颜色通道R，Gj B，L，a，b ;步骤3:对于每一个颜色通道，计算任一点(x，y)的最大矩形邻域权利要求1.，其特征在步骤如下 步骤I :将nXn的输入图像转化为RGB顔色空间和Lab顔色空间，得到6个颜色通道Rj Gj B，Lj a, b ； 步骤2 :计算每一个颜色通道中任一点(X，y)的最大矩形邻域全文摘要本专利技术涉及，技术特征在于同时考虑了RGB和Lab两个颜色空间，分别在6个颜色通道中计算图像的最大邻域整体特征、剩余谱特征及稀疏性特征，运用信息熵找出每种方法的最优颜色通道，接着运用信息熵组合得到的最优显著性特征，最后，考虑像素距离图像中心分布特征，得到最终显著性特征分布图。文档编号G06T7/40GK102867301SQ20121031298公开日2013年1月9日 申请日期2012年8月29日 优先权日2012年8月29日专利技术者郭雷, 张艳邦, 韩军伟, 赵天云 申请人:西北工业大学本文档来自技高网...

【技术保护点】
一种根据信息熵得到图像显著性特征的方法，其特征在步骤如下：步骤1：将n×n的输入图像转化为RGB颜色空间和Lab颜色空间，得到6个颜色通道R,G,B,L,a,b；步骤2：计算每一个颜色通道中任一点(x,y)的最大矩形邻域：U={(x,y)|max(1,x-min(x,n-x))≤x≤min(x+min(x,n-x)),n),max(1,x-min(x,n-x))≤x≤min(x+min(x,n-x)),n)};步骤3：计算最大矩形邻域的像素均值meanUi，其中：i为颜色通道，i＝{R,G,B,L,a,b}；步骤4：计算6个颜色通道的全局显著性特征Smapi1(x,y)＝(fi(x,y)？meanUi)，其中：fi(x,y)是颜色通道i在(x,y)处像素值，Smap1i(x,y)是颜色通道i的显著性特征值；步骤5：计算6个颜色通道的谱残余R(f)＝L(f)？hn(f)L(f)，其中：对数相位谱L(f)＝log(A(f))，A(f)是幅度频谱，步骤6：计算6个颜色通道的谱残余显著性特征：Smapi2(x,y)＝g(x,y)F？1(exp(R(fi))+jP(fi))，其中：g(x,y)是高斯滤波，P(f)是相位频谱，F？1是傅里叶反变换，j是虚数单位；步骤7：计算6个颜色通道的稀疏性显著性特征其中：pi(fi(x,y))表示颜色通道i中像素值为fi(x,y)的出现的频率；步骤8：计算图像的信息熵为其中：gk是一个高斯低通滤波器；步骤9：计算全局显著性特征、谱残余显著性特征、稀疏性显著性特征分别在RGB颜色空间和Lab颜色空间的最优显著性特征，RGB颜色空间：OptimalSmap1s＝{Smap|H(Smap)＝min(H(Smapts)),Lab颜色空间：OptimalSmap2s＝{Smap|H(Smap)＝min(H(Smapts)),其中：OptimalSmap1s,OptimalSmap2s分别表示第t种方法在RGB颜色空间和Lab颜色空间中得到的最优显著性特征；t＝{L,a,b},s＝1,2,3}；步骤10：计算最优显著性特征的信息熵：Hls＝H(OptimalSmapls),l＝1,2;步骤11：计算RGB颜色空间的综合显著性特征：计算Lab颜色空间的综合显著性特征步骤12：将Smap1和Smap2归一化并组合，得显著性特征Smap=Smap1H(Smap1)+Smap2H(Smap2);步骤13：对步骤12的显著性特征，运用高斯低通滤波得到最终图像显著性特征。FDA00002071255400012.jpg,FDA00002071255400013.jpg,FDA00002071255400014.jpg,FDA00002071255400021.jpg,FDA00002071255400022.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：郭雷，张艳邦，韩军伟，赵天云，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：