【技术实现步骤摘要】
本专利技术涉及计算机视觉领域,特别涉及一种基于离群数据挖掘的图像显著性检测 (Image Saliency Detection)方法。
技术介绍
作为计算机视觉的一个重要研究领域,图像显著性检测通过模拟人类的视觉注意 机制来提取图像中具有显著性的区域,以便于进一步对图像进行理解和分析。一般来讲,图 像显著性检测方法会输出图像显著性映射图(Saliency Map),用来反映图像的各个区域对 人类的吸引程度。其中,占据人类大部分注意力的区域被称为图像显著性区域。基于图像 显著性映射图,显著性区域检测被广泛地应用到计算机视觉的诸多领域当中,如图像检索、 显著性区域分割、基于内容感知的图像尺度变换等。视觉注意机制理论认为人类的视觉系统能够高效率地捕捉到图像中最重要的区 域并对其集中大部分注意力,而忽略图像的其他部分。依据理论框架的类型,图像显著性检 测方法可以分为两大类自底向上的检测框架和自顶向下的检测框架。自底向上的检测框 架假设人类主要是因为图像中各区域的外部差异和对比来捕捉显著性区域,如颜色、对比 度等,且显著性区域与图像其他区域的差别较大。因此,采用该类检测框架方法一般先进行 基本视觉特征的提取,如颜色特征(Color Channel)、图像灰度(GreyIntensity)、颜色朝向 (Orientation)等,然后依据区域间的对比来计算图像显著性映射图。因此,该类方法主要 是由数据驱动且需要遵循关于注意力机制的假设规则。基于自顶向下的检测框架的方法则 是与后续图像理解和分析的任务密切相关的、由目标驱动的图像显著性检测。为此,该类方 法需要获得图像 ...
【技术保护点】
一种基于离群数据挖掘的图像显著性检测方法,该方法包括以下步骤:步骤1:在所述图像的视觉特征空间内进行多尺度的视觉差异性分析,得到所述图像各个像素点在不同尺度下的显著性似然值;步骤2:将所述不同尺度下得到的显著性似然值进行融合,得到基于视觉特征空间的图像显著性映射图;步骤3:在所述图像的二维平面空间内进行显著性似然值的传播,将所述图像的视觉特征空间分布信息和二维平面空间分布信息融合起来以得到最终的所述图像显著性映射图。
【技术特征摘要】
1.一种基于离群数据挖掘的图像显著性检测方法,该方法包括以下步骤步骤1:在所述图像的视觉特征空间内进行多尺度的视觉差异性分析,得到所述图像各个像素点在不同尺度下的显著性似然值;步骤2 :将所述不同尺度下得到的显著性似然值进行融合,得到基于视觉特征空间的图像显著性映射图;步骤3:在所述图像的二维平面空间内进行显著性似然值的传播,将所述图像的视觉特征空间分布信息和二维平面空间分布信息融合起来以得到最终的所述图像显著性映射图。2.根据权利要求1所述的方法,其特征在于,所述步骤I包括步骤Ia :所述图像中各个像素点的视觉特征信息由其二维平面空间邻域内的邻居像素点的视觉特征分布信息来表示;步骤Ib :寻找所述各个像素点在当前尺度下的视觉特征空间内的k个距离最短的邻居像素点及各个像素点与所述邻居像素点之间的距离值,其中,所述k为不大于图像像素点总个数的正整数;步骤Ic :计算所述各个像素点的局部分布密度值;步骤Id :计算所述各个像素点的加权邻域分布密度值;步骤Ie :利用所述局部分布密度值和加权邻域分布密度值计算所述各个像素点的显著性似然值。3.根据权利要求1所述的方法,其特征在于,所述步骤2依据如下方式将不同尺度下得到的显著性似然值进行融合,4.根据权利要求1所述的方法,其特征在于,所述步骤3包括步骤3a :寻找所述图像各个像素点在二维平面空间内的k个距离最短的邻居像素点, 其中,所述k为不大于图像像素点总个数的正整数;步骤3b :确定所述图像中的有效显著性像素点;步骤3c :对所述图像中非有效显著性像素点进行显著性似然值的传播计算。5.根据权利要求2所述的方法,其特征在于,在所述步骤Ia中,所用的视觉特征信息为颜色空间CIE L*a*b*内各个颜色通道的取值,其中像素点i的颜...
【专利技术属性】
技术研发人员:胡卫明,高君,
申请(专利权)人:中国科学院自动化研究所,
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。