一种融合区域颜色和HoG特征的视觉显著性检测方法技术

本发明专利技术涉及一种融合区域颜色和HoG特征的视觉显著性检测方法。目前方法通常都基于区域颜色特征的纯计算模型，对于纹理的显著性差异不敏感。本发明专利技术方法首先在原始图像的CIELAB空间彩色分量图上，通过分析超像素区域的颜色对比度和分布特性，计算每个像素的颜色显著性值；然后在原始图像的RGB空间彩色分量图上，提取基于HoG的局部矩形区域纹理特征，并通过分析局部矩形区域的纹理对比度和分布特性，计算每个像素的纹理显著性值；最后采用二次非线性融合方法将每个像素的颜色显著性值和纹理显著性值融合为该像素的最终显著性值。本发明专利技术方法获得不仅可获得符合人眼视觉感官的全分辨率显著性图像，并且对显著性目标具有更强的区分能力。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，具体来说是ー种融合区域颜色对比度和梯度方向直方图(以下采用其英文简写“HoG”代替)特征的视觉显著性检测方法。
技术介绍
视觉显著性被定义为视觉的不可预测性、稀缺性。由于相关的人类视觉注意理论的支持，视觉显著性模型提供了ー种快速且高效的方法，在计算机视觉和图像处理中作为重要的预处理机制。 目前的研究成果表明，多数视觉显著性模型基于底层特征驱动的自底向上的过程。其中，具有深远意义的工作是L. Itti等人提出的特征融合理论。在他们的模型中，颜色、亮度和方向特征分别从输入图像中提取，标注地理特征地图，然后使用线性融合方式合成主显著性图像。A. Borji等人提出基于区域稀有性的分析方法。该方法是在Lab和RGB空间学习全局和局部的顔色特征，分配图像显著性。这些方法模拟人类眼球运动，追踪眼部的关注焦点，在生物学中有重要研究价值，但存在明显的不足低分辨率，高亮局部轮廓，缺少完整的区域意识。为此，R. Achanta等人提出了ー种简单的频域协调方法，度量像素与图像平均色的差异决定图像的显著性。该方法得到全分辨率的显著性图。之后，R. Achanta等人改用最大对本文档来自技高网...

【技术保护点】
一种融合区域颜色和HoG特征的视觉显著性检测方法，其特征在于该方法包括如下步骤：步骤(1)：采用彩色变换方法，分别提取输入图像在Lab空间的l彩色分量图、a彩色分量图和b彩色分量图；？步骤(2)：采用SLIC超像素聚类方法，将输入图像划分为多个互不相交且区域面积近似相等的超像素区域；步骤(3)：根据步骤(2)的结果，计算每个超像素区域的颜色特征，具体为：对于超像素区域ri，其颜色特征是由超像素区域ri的颜色均值矢量？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？、超像素区域ri的质心坐标和超像素区域ri的面积率组成；所述的超像素区域ri的颜色均值矢...

【技术特征摘要】

【专利技术属性】
技术研发人员：周文晖，宋腾，孙志海，张桦，韦学辉，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：