一种面向视觉显著性检测的中央周围环绕优化方法技术

本发明专利技术涉及一种面向视觉显著性检测的中央-周围环绕优化方法。本发明专利技术方法首先提取输入图像的显著基元，得到三个彩色分量。其次每个显著基元的颜色独特性值并计算空间紧凑性值。然后依据颜色独特性值和空间紧凑性值计算每个显著基元的合成显著性值。最后结合感受野区域采用一种简化中央-周围环绕算子计算每个显著基元的最终显著性值。本发明专利技术采用线性加权函数对目前生物视觉感受野的两种模型进行拟合和简化,实现两种感受野模型的统一建模。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，具体来说是一种受生物视觉感受野机制启发的面向视觉显著性检测的中央-周围环绕优化方法。
技术介绍
生物视网膜中神经节细胞感受野都由一个“中心”圆和一个“周围”同心环组成，两区域分别对激励具有兴奋和抑制响应。已证实神经节细胞响应是由抑制性和兴奋性感受野分量共同作用的结果。因此，生物视觉神经节细胞的感受野机制建摸的关键在于中央-周围环绕优化方法。目前已提出的中央-周围环绕优化方法可大致分为两类。一种是基于高斯差分模型，它采用重叠但却独立的两个高斯函数，分别模拟“中心”兴奋和“周围”抑制区域。由于两高斯函数对激励具有相反响应，最终表现为一个高斯差分函数。另一类是基于双指数模型，该方法建立在对猕猴Hl水平细胞的实验研究基础上，认为大多数Hl感受野的敏感度分布表现为两个指数分量的叠加。此外，现已提出的中央-周围环绕优化方法中感受野的“中心”和“周围”区域设定通常都是建立在输入图像的像素空间上。具体来说，“中心”和“周围”区域是根据像素与区域中心像素在像素空间上的距离进行划分，且感受野的空间范围和灵敏度分布与激励信号强弱无关。然而生物学实验已证明感受野大小和灵敏度曲本文档来自技高网...

【技术保护点】
一种面向视觉显著性检测的中央?周围环绕优化方法，其特征在于该方法包括如下步骤：步骤(1)：采用SLIC超像素聚类方法，提取输入图像的显著基元，具体为：对于输入图像???????????????????????????????????????????????，设定期望划分的超像素个数为，采用SLIC超像素聚类方法根据期望的超像素个数划分出多个互不相交且区域面积近似相等的超像素区域，最终实际划分出的超像素个数为；将一个超像素区域视为一个显著基元，即显著基元的个数为；步骤(2)：采用彩色变换方法，分别提取输入图像在CIELAB空间的l彩色分量图、a彩色分量图和b彩色分量图，具体为：对于输入图像，其l...

【技术特征摘要】
1.一种面向视觉显著性检测的中央-周围环绕优化方法，其特征在于该方法包括如下步骤: 步骤(I):采用SLIC超像素聚类方法，提取输入图像的显著基元，具体为:对于输入图像I,设定期望划分的超像素个数为货，采用SLIC超像素聚类方法根据期望的超像素个数划分出多个互不相交且区域面积近似相等的超像素区域，最终实际划分出的超像素个数为N ;将一个超像素区域视为一个显著基元，即显著基元的个数为F ; 步骤(2):采用彩色变换方法，分别提...

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