本发明专利技术公开了一种基于底层特征融合的图像视觉显著性计算方法，包括以下步骤：1.1）把图像分割成若干不规则碎片；1.2）计算每个碎片颜色特征的独特性；1.3）计算每个碎片颜色特征的分散性；1.4）通过计算每个碎片颜色特征的显著性得到图像的颜色显著性图，进一步得到图像视觉显著性图；1.5）通过计算每个碎片图像的显著性的加权平均，为图像的每一个像素点分配显著性值。本发明专利技术能有效地计算图像每个像素的显著性值。
【技术实现步骤摘要】
本专利技术涉及无线通讯
，尤其涉及。
技术介绍
视觉注意力是人类视觉系统重要机制，人类的视觉注意力可以快速有效地检查到图像中显著的区域。因此，在计算机视觉领域模拟人类视觉注意力的显著性检测模型的研究引起了研究者的广泛注意。图像的显著性检测(Saliency detection)被广泛地应用于许多计算机视觉和图像处理应用当中，如图像中感兴趣物体的分割(专利200910046276)、目标识别、目标敏感的图像缩放(专利200910092756)、图像检索(专利200910081069)等。该领域目前国内相关专利有基于色彩直方图和全局对比度的图像视觉显著性计算方法(专利号201110062520.1)。该方法仅考虑了颜色特征的独特性，没有考虑颜色特征的分散性、纹理特征的独特性和分散性以及景深对视觉显著性的影响，所以其性能受到了限制。
技术实现思路
本专利技术解决的技术问题是如何融合图像多种底层特征，有效地计算图像像素的显著性值。为了解决以上技术问题，本专利技术实施例公开了，包括以下步骤1.1)把图像分割成若干不规则碎片；1. 2)计算每个碎片颜色特征的独特性；1. 3)计算每个碎片颜色特征的分散性；1. 4)通过计算每个碎片颜色特征的显著性得到图像的颜色显著性图，进一步得到图像视觉显著性图；1. 5)通过计算每个碎片图像的显著性的加权平均，为图像的每一个像素点分配显著性值。进一步，作为优选，颜色特征的独特性具体计算方法如下 权利要求1. ，其特征在于，包括以下步骤1.1)把图像分割成若干不规则碎片；1.2)计算每个碎片颜色特征的独特性；1.3)计算每个碎片颜色特征的分散性；1.4)通过计算每个碎片颜色特征的显著性得到图像的颜色显著性图，进一步得到图像视觉显著性图；1.5)通过计算每个碎片图像的显著性的加权平均，为图像的每一个像素点分配显著性值。2.根据权利要求1所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，所述颜色特征的独特性具体计算方法如下", =Lc'-c/ w(p,，p,)，/=1其中i/f代表第i个碎片的颜色独特性,Ci和h分别代表碎片i和碎片j的平均颜色， Pi和P]分别代表碎片i和碎片j的位置，w(Pi，Pj)是加权函数。3.根据权利要求1所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，所述颜色特征的分散性具体计算方法如下N2./=1其中代表第i个碎片的颜色特征的分散性，Ci和h分别代表碎片i和碎片j的平均颜色，P]代表碎片j的位置，A是碎片i的颜色特征Ci的加权平均位置，w(Ci，Cp，是加权函数。4.根据权利要求1所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，所述图像的颜色显著性图具体计算方法如下Λ；Γ= /；'·εχρ(-Αν ·/)；')-,其中代表计算第i个碎片的颜色显著性，kc是比重系数。5.根据权利要求1所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，在所述步骤1. 4)之后还包括5.1)计算每个碎片纹理特征的独特性；5. 2)计算每个碎片纹理特征的分散性；5. 3)通过计算每个碎片纹理特征的显著性得到图像的纹理显著性图；5.4)融合上述图像特征显著性图得到图像视觉显著性图。6.根据权利要求5所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，所述纹理特征的独特性具体计算方法如下W = 成，tPw(H),其中f/丨代表计算第i个碎片的纹理特征的独特性，N代表碎片的个数，\和分别代表碎片i和碎片j的纹理描述子,Pi和P]分别代表碎片i和碎片j的位置，X (ti； tj)代表是两个纹理描述子ti和h的差异，W(Pi，Pj)是加权函数。7.根据权利要求5所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，所述纹理特征的分散性具体计算方法如下J=I其中g代表计算第i个碎片的纹理特征的分散性和&分别代表碎片i和碎片j的纹理描述子，Pj代表碎片j的位置，a是碎片i的纹理描述子\的加权平均位置，wa,, tp 是加权函数。8.根据权利要求5所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，所述图像的纹理显著性图具体计算如下其中代表计算第i个碎片的纹理显著性，kT是比重系数。9.根据权利要求5所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，所述融合具体计算方法如下Si = CtSf + (l-a)S^'其中Si代表计算碎片i的显著性，权重系数a满足条件0 < a < I ;通过上述公式计算每个碎片的显著性就可得到整幅图像的显著性图。10.根据权利要求5所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，在所述步骤5. 3)之后还包括首先计算图像边缘的模糊程度σ，把模糊程度σ归一化到的范围，然后用如下公式求出碎片i的景深Fi= X ( - σ(.γ,ν))νν(χ, >’,Λρ，Vp )，(x.y)eJ其中U，y)代表是图像I的像素点的位置，％(^，\;，3^)是加权函数其输入为像素点坐标和碎片坐标，Up., J’p.)代表碎片i的位置。11.根据权利要求9所述的基于底层特征融合的图像视觉显著性计算方法，其特征在于，所述融合具体计算方法如下S,= X f X巧，其中Si代表碎片i的显著性；或者，&=Χ巧,其中SiR表碎片i的显著性，O彡a ^ I ；通过上述公式计算每个碎片的显著性就可得到整幅图像的显著性图。全文摘要本专利技术公开了，包括以下步骤1.1)把图像分割成若干不规则碎片；1.2)计算每个碎片颜色特征的独特性；1.3)计算每个碎片颜色特征的分散性；1.4)通过计算每个碎片颜色特征的显著性得到图像的颜色显著性图，进一步得到图像视觉显著性图；1.5)通过计算每个碎片图像的显著性的加权平均，为图像的每一个像素点分配显著性值。本专利技术能有效地计算图像每个像素的显著性值。文档编号G06T7/40GK102999926SQ20121045165公开日2013年3月27日 申请日期2012年11月12日 优先权日2012年11月12日专利技术者赵耀, 田华伟, 秦伦明, 倪蓉蓉 申请人:北京交通大学本文档来自技高网...
【技术保护点】
一种基于底层特征融合的图像视觉显著性计算方法，其特征在于，包括以下步骤：1.1）把图像分割成若干不规则碎片；1.2）计算每个碎片颜色特征的独特性；1.3）计算每个碎片颜色特征的分散性；1.4）通过计算每个碎片颜色特征的显著性得到图像的颜色显著性图，进一步得到图像视觉显著性图；1.5）通过计算每个碎片图像的显著性的加权平均，为图像的每一个像素点分配显著性值。
【技术特征摘要】
【专利技术属性】
技术研发人员：赵耀，田华伟，秦伦明，倪蓉蓉，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。