【技术实现步骤摘要】
本专利技术属于视频图像处理
,具体涉及一种视频图像显著性检测方法。
技术介绍
从复杂的场景中识别出重要的目标是人类视觉神经系统的一项基础功能。例如,在驾车时交通信号灯能引起人眼注意,蓝天上飞过的飞机能引起人眼的注意,夜间海平面上的灯塔能引起人眼的注意。依赖这项功能我们可以将注意力集中于关键部位以达到更好的分析效果。显著性检测是使计算机系统能模仿人眼的注意力机制,通过相应的计算过程,将视频图像中的重要部分凸显出来,是一个“发现”的过程。利用显著性检测的结果,可以优先分配各种紧缺资源,例如在较小的手机显示屏幕上显示较大的图片,可以优先显示其重要的部分;在计算资源不足时,可优先对显著部分进行识别、跟踪等计算。显著性检测的最终结果是生成显著性映射图像(Saliency map),也称显著性图。显著性图是一种概率分布的描述图,图中越亮的部分概率值越大,也即该像素的显著性越大。显著性图可以应用于计算机视觉的各个领域,如自适应压缩,图像分割,图像检索,目标识别等,也可以用于交通管理,安防监控,机器人环境感知等实时场景。Itti等西方学者于1998年提出了基于视觉注意机制的快速场景分析模型,首次将显著性的概念纳入了机器视觉领域。此后,针对静止图像的静态显著性检测方法蓬勃发展起来。静态显著性由颜色、边缘、梯度、形状等图像属性综合作用而成,具有独特性、不可预测性及奇异性,其感知机理与视觉神经紧密联系。Achanta等人于2009年提出频域调整显著性区域分析方法,该方法从频域分析角度出发,使用颜色和光照信息来获得中心周围对比度,进而得到显著性映射结果。Cheng等于20 ...
【技术保护点】
一种基于运动颜色关联的视频图像显著性检测方法,包括以下步骤:S1:获取视频图像的静态显著性图;S2:利用所述视频图像中连续的视频帧提取场景的光流向量场;S3:通过聚类方法对光流向量场进行分类并抛弃最大分类区块;S4:将所述视频图像从RGB颜色空间转换到HSV颜色空间;S5:根据所述HSV颜色空间H分量中对应颜色在视频图像中出现的频率,生成颜色直方图;S6:针对所述光流向量场分类区块中的每个向量,根据其所在像素点的颜色将其范数投射到所述颜色直方图的相应区间中去,得到每个颜色区间的运动尺度变量;S7:规范化所述运动尺度变量,得到每种颜色的运动显著性值并投影到原图像生成运动显著性图;S8:将所述运动显著性图与静态显著性图线性加权相加,得到最终显著性图,即可实现对视频图像的显著性检测。
【技术特征摘要】
1.一种基于运动颜色关联的视频图像显著性检测方法,包括以下步骤 Si获取视频图像的静态显著性图; S2:利用所述视频图像中连续的视频帧提取场景的光流向量场; S3:通过聚类方法对光流向量场进行分类并抛弃最大分类区块; S4:将所述视频图像从RGB颜色空间转换到HSV颜色空间; S5:根据所述HSV颜色空间H分量中对应颜色在视频图像中出现的频率,生成颜色直方图; S6:针对所述光流向量场分类区块中的每个向量,根据其所在像素点的颜色将其范数投射到所述颜色直方图的相应区间中去,得到每个颜色区间的运动尺度变量; S7:规范化所述运动尺度变量,得到每种颜色的运动显著性值并投影到原图像生成运动显著性图; S8:将所述运动显著性图与静态显著性图线性加权相加,得到最终显著性图,即可实现对视频图像的显著性检测。2.根据权利要求1所述的一种基于运动颜色...
【专利技术属性】
技术研发人员:宋宝,邹腾跃,唐小琦,王金,叶伯生,凌文锋,熊烁,王小钊,李明磊,
申请(专利权)人:华中科技大学,
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。