图像显著区域检测方法技术

本发明专利技术提供一种图像显著区域检测方法，包括：步骤1、边缘检测，得到边缘图像；步骤2、计算像素点视觉显著值和空间权重值；其中，每种颜色的视觉显著值由这种颜色在所述边缘图像里的像素点数目除以这种颜色在原始图像里的像素点数目得到，每个像素点的视觉显著值等于它颜色的视觉显著值；其中，每个像素点的空间权重值由它离核心点的距离决定，离核心点越近，其空间权重值越大，离核心点越远，其空间权重值越小；步骤3、综合视觉显著值和空间权重值得到像素点的最终显著值；和步骤4、基于最终显著值，利用均值飘移算法确定显著区域的像素点。该方法提高显著区域像素的检出数量，避免对背景颜色交界处的误检测。

【技术实现步骤摘要】
【专利摘要】本专利技术提供一种，包括：步骤1、边缘检测，得到边缘图像；步骤2、计算像素点视觉显著值和空间权重值；其中，每种颜色的视觉显著值由这种颜色在所述边缘图像里的像素点数目除以这种颜色在原始图像里的像素点数目得到，每个像素点的视觉显著值等于它颜色的视觉显著值；其中，每个像素点的空间权重值由它离核心点的距离决定，离核心点越近，其空间权重值越大，离核心点越远，其空间权重值越小；步骤3、综合视觉显著值和空间权重值得到像素点的最终显著值；和步骤4、基于最终显著值，利用均值飘移算法确定显著区域的像素点。该方法提高显著区域像素的检出数量，避免对背景颜色交界处的误检测。【专利说明】
本专利技术涉及计算机图像处理领域，尤其涉及一种。
技术介绍
图像显著区域检测是一个热点问题，广泛应用于图像分割、图像/视频压缩、自适应图像/视频显示、图像检索等领域中，显著区域即图像中最吸引人注意的区域。目前，业内普遍认识到基于图像特定区域的检索和处理比基于全部图像更加高效。而且，在不同的设备(如手机、平板电脑等)上自适应显示图像和视频也需要决定最重要的、最具代表性的区域。这种特定区域就是显著区域，它被定义为图像中最吸引人注意的区域，代表最重要的图像内容。因此，图像显著区域检测作为人类视觉注意力机制在计算机视觉领域的发展，一直受到广泛的关注。如何定义显著区域的特性，并根据特性寻找显著区域一直是图像显著区域检测的核心问题。传统的方法将显著区域特性定义为显著区域与其四周邻域有明显视觉差异。这些方法使用视觉底层特征如颜色，亮度，纹理等计算每个像素点与其邻域的对比度，得到每个像素点的显著值，显著值较高的像素点即代表显著区域。然而，传统方法只能找出显著区域轮廓的像素点，对于如何找到显著区域的全部像素点，仍然缺乏有效地解决方法。更进一步的，面对复杂背景的图像，传统方法容易被背景干扰，将背景中不同颜色交界处的区域判断为显著区域，而且还会将一些虽然跟其邻域视觉区别很大，但尺寸太小以至于无法被人所注意的区域误判为显著区域。
技术实现思路
本专利技术的目的是提供一种，提高显著区域像素的检出数量。根据本专利技术一个方面，提供一种，包括:步骤1、对待检测图像进行边缘检测，得到边缘图像；步骤2、计算像素点视觉显著值和空间权重值；其中，每种颜色的视觉显著值由这种颜色在所述边缘图像里的像素点数目除以这种颜色在原始图像里的像素点数目得到，每个像素点的视觉显著值等于它颜色的视觉显著值；其中，每个像素点的空间权重值由它离核心点的距离决定，离核心点越近，其空间权重值越大，离核心点越远，其空间权重值越小;步骤3、根据视觉显著值和空间权重值得到像素点的最终显著值；和步骤4、基于最终显著值，利用均值飘移算法确定显著区域的像素点。可选的，所述中，步骤I的边缘检测进一步包括:步骤11、把待检测图像由RGB颜色图像转化为Lab颜色图像，并在Lab颜色图像上用Canny算法检测边缘；步骤12、把待检测图像转化为灰度图像，并在灰度图像上用Canny算法检测边缘；和步骤13、对上述两次边缘检测结果进行交集运算，得到边缘检测最终结果。可选的，所述中，Canny算法的两个阈值分别设为0.5和0.6。可选的，所述中，步骤2中的计算像素点视觉显著值进一步包括:步骤211、利用边缘点得到边缘图像；步骤212、将边缘图像和待检测始图像量化到N种颜色；步骤213、统计每种颜色在边缘图像中的像素点个数和在待检测图像中的像素点个数；和步骤214、每种颜色的视觉显著值为其在边缘图像中的像素点个数和在待检测图像中的像素点个数的比值，每个像素点的视觉显著值等于它所属颜色的视觉显著值。可选的，所述中，步骤212中的N=120 ；并且，步骤212中的颜色量化在Lab空间进行，L被量化为10个等级，a、b被量化为22个等级，使得颜色空间共有22 *22*10=4840种量化颜色，然后统计多幅图像，只保留这4840种颜色中出现得最频繁的120种颜色，所有颜色都被归类到这120种颜色中与其欧式距离最近的颜色。 可选的，所述中，步骤2中的计算像素点空间权重值进一步包括:步骤221、建立一个与待检测图像同宽高的矩阵，将边缘点在矩阵中对应位置的元素置为1，其余元素置为O ;步骤222、然后将这个矩阵进行多次高斯平滑，每次平滑选用不同大小的高斯核；步骤223、每次平滑后找出矩阵中数值最大的元素，得到一个有序的最大值元素集合，此集合的每个元素与由小到大的平滑高斯核--对应；步骤224、在最大值元素集合中找到最长相同元素序列，序列元素a在该序列中第一个位置所对应的平滑高斯核为s，a在图像对应位置上的像素点为A ;和步骤225、根据a和S，计算待检测图像中所有像素点的空间权重值如下:像素点A的坐标为0^，7。)，任一像素点8(150的空间权重值W(x，y)可以由下列公式给出:【权利要求】1.一种，包括: 步骤1、对待检测图像进行边缘检测，得到边缘图像； 步骤2、计算像素点视觉显著值和空间权重值；其中，每种颜色的视觉显著值由这种颜色在所述边缘图像里的像素点数目除以这种颜色在原始图像里的像素点数目得到，每个像素点的视觉显著值等于它颜色的视觉显著值；其中，每个像素点的空间权重值由它离核心点的距离决定，离核心点越近，其空间权重值越大，离核心点越远，其空间权重值越小； 步骤3、根据视觉显著值和空间权重值得到像素点的最终显著值；和 步骤4、基于最终显著值，利用均值飘移算法确定显著区域的像素点。2.根据权利要求1所述，其中，步骤I的边缘检测进一步包括: 步骤11、把待检测图像由RGB颜色图像转化为Lab颜色图像，并在Lab颜色图像上用Canny算法检测边缘； 步骤12、把待检测图像转化为灰度图像，并在灰度图像上用Canny算法检测边缘；和 步骤13、对上述两次边缘检测结果进行交集运算，得到边缘检测最终结果。3.根据权利要求2所述，其中，Canny算法的两个阈值分别设为0.5 和 0.6。4.根据权利要求1所述，其中，步骤2中的计算像素点视觉显著值进一步包括: 步骤211、利用边缘点得到边缘图像； 步骤212、将边缘图像和待检测图像量化到N种颜色； 步骤213、统计每种颜色在边缘图像中的像素点个数和在待检测图像中的像素点个数；和 步骤214、每种颜色的视觉显著值为其在边缘图像中的像素点个数和在待检测图像中的像素点个数的比值，每个像素点的视觉显著值等于它所属颜色的视觉显著值。5.根据权利要求4所述，其中，步骤212中的N=120;并且， 步骤212中的颜色量化在Lab空间进行，L被量化为10个等级，a、b被量化为22个等级，使得颜色空间共有22*22*10=4840种量化颜色,然后统计多幅图像,只保留这4840种颜色中出现得最频繁的120种颜色，所有颜色都被归类到这120种颜色中与其欧式距离最近的颜色。6.根据权利要求1所述，其中，步骤2中的计算像素点空间权重值进一步包括: 步骤221、建立一个与待检测图像同宽高的矩阵，将边缘点在矩阵中对应位置的元素置为1，其余元素置为O ; 步骤222、然后将这个矩阵进行多次高斯平滑，每次平滑选用不同大小的高斯核； 步骤223、每次平滑后找出矩阵中数值最大的元素，得到一个有序的最大本文档来自技高网...

【技术保护点】
一种图像显著区域检测方法，包括：步骤1、对待检测图像进行边缘检测，得到边缘图像；步骤2、计算像素点视觉显著值和空间权重值；其中，每种颜色的视觉显著值由这种颜色在所述边缘图像里的像素点数目除以这种颜色在原始图像里的像素点数目得到，每个像素点的视觉显著值等于它颜色的视觉显著值；其中，每个像素点的空间权重值由它离核心点的距离决定，离核心点越近，其空间权重值越大，离核心点越远，其空间权重值越小；步骤3、根据视觉显著值和空间权重值得到像素点的最终显著值；和步骤4、基于最终显著值，利用均值飘移算法确定显著区域的像素点。

【技术特征摘要】

【专利技术属性】
技术研发人员：毛震东，高科，张勇东，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：