一種基于局部特征的顯著區(qū)域檢測方法
【專利摘要】本發(fā)明屬于圖像/視頻檢索【技術(shù)領(lǐng)域】，具體涉及一種基于局部特征的顯著區(qū)域檢測方法。本發(fā)明中將尋找顯著區(qū)域的問題轉(zhuǎn)化為定位圖像中局部特征的密集區(qū)域，并可通過分割圖像的方式定位多個局部特征的密集區(qū)域，其包括步驟：利用局部特征算法，獲得特征檢測階段的圖像特征點分布；檢測圖像是否存在多個顯著區(qū)域，并以此將圖像分割為多個區(qū)塊；分別計算各個圖像區(qū)塊中局部特征的幾何中心，從而獲得圖像的顯著區(qū)域。本發(fā)明在準確度上與同類顯著區(qū)域檢測算法接近的情況下，可以獲得上千倍的加速。
【專利說明】—種基于局部特征的顯著區(qū)域檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像/視頻檢索【技術(shù)領(lǐng)域】，具體涉及一種基于圖像局部特征的顯著區(qū)域檢測方法。
【背景技術(shù)】
[0002]圖像/視頻檢索技術(shù)已廣泛應用于各個領(lǐng)域。隨著圖像數(shù)據(jù)爆炸式的增長，如何對海量的圖像/視頻數(shù)據(jù)進行高效檢索受到了越來越多的關(guān)注。作為圖像/視頻檢索的基礎(chǔ)，圖像的局部特征提取算法能有效提取圖像的特征信息以供圖像或視頻做檢索，在多媒體檢索、網(wǎng)絡內(nèi)容過濾等系統(tǒng)中被廣泛使用。
[0003]現(xiàn)有技術(shù)公開了圖像/視頻的檢索算法通?？梢苑殖扇缦聝蓚€階段:特征提取階段和特征匹配階段。其中，特征提取階段將圖像的特征，包括圖像的顏色特征，紋理特征，或是圖像中的特征點等提取出來；特征匹配階段通過比較兩幅圖像/視頻幀的特征來判斷兩幅圖像或視頻幀是否匹配。但是，研究實踐中發(fā)現(xiàn)，對于整張圖像作局部特征提取將產(chǎn)生大量特征信息，大量的特征信息雖然保證了準確性，但是也帶來一些缺點，如:一方面提取算法需要把這些點描述成具有不變特性的多維向量，特征點的數(shù)目過多會造成對這些點進行描述的過程需要更多的時間，同時更多的點也導致許多額外的存儲開銷；與此同時，特征點數(shù)目過多也造成圖像匹配階段需要對大量特征點進行比較，從而導致處理時間過長。由于人們通常只對圖像中部分關(guān)鍵的區(qū)域感興趣，而忽略非關(guān)鍵區(qū)域，因此常用的實現(xiàn)過程是:首先利用圖像顯著區(qū)域檢測算法檢測出圖像的顯著區(qū)域，再對圖像顯著區(qū)域上的特征進行提取，以此減少局部特征提取算法產(chǎn)生的特征信息。但由于常用的圖像顯著區(qū)域檢測技術(shù)本身復雜度較高，雖然能夠有效減少特征信息，但會造成在局部特征提取階段的額外時間開銷，其引入的時間開銷有時會超過特征提取算法本身的計算開銷。因此，該【技術(shù)領(lǐng)域】中，需要設(shè)計一種高效的顯著區(qū)域檢測技術(shù)，在引入較小時間開銷的前提下有效檢測出圖像的關(guān)鍵區(qū)域。
[0004]通常，對于人腦或是計算機，對比度屬性是最重要和最基本的特征。因此，研究者認為，可以根據(jù)對比度來檢測及刪選特征點。另一方面，不論是顯著區(qū)域檢測技術(shù)還是局部特征提取算法，本質(zhì)上都是在圖像金字塔上計算對比度特征，因此，本發(fā)明擬提供一種新的技術(shù)避免這樣的重復計算以減小顯著區(qū)域檢測的開銷。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺陷，提供一種基于局部特征的顯著區(qū)域檢測方法，尤其是一種高效的基于圖像局部特征的顯著區(qū)域檢測算法。
[0006]本發(fā)明提供的基于圖像局部特征的顯著區(qū)域檢測算法，一方面通過顯著區(qū)域計算，避免圖像局部特征提取算法對整張圖像做計算，以減少特征提取算法產(chǎn)生的特征信息，提高處理速度和減少存儲開銷；另一方面，利用這種技術(shù)能在損失較小的準確度的條件下快速檢測出圖像的顯著區(qū)域，避免了引入其他顯著區(qū)域檢測算法而造成的額外計算開銷。[0007]本發(fā)明的基于局部特征的顯著區(qū)域檢測方法，其特征在于，利用圖像局部特征的檢測算法，獲得圖像局部特征點分布；檢測圖像是否存在多個顯著區(qū)域，并以此將圖像分割為多個區(qū)塊；計算各個圖像區(qū)塊中局部特征在水平和垂直坐標軸上的平均坐標以及方差，從而獲得顯著區(qū)域的中心點和形狀；其包括步驟:
[0008][I]依據(jù)局部特征的分布對圖像進行分割，
[0009]使用啟發(fā)式的算法，分布從圖像水平、垂直坐標軸的中心點開始，同時往前后兩個方向掃描可能的圖像分割，選出圖像在水平和垂直方向上的分割點；
[0010]本發(fā)明中，目標分割需要至少滿足以下兩個條件；與圖像中心位置盡可能的接近；分割上不可以存在局部特征，即局部特征是不可分割的；
[0011][2]檢測局部特征密集區(qū)域，
[0012]從數(shù)學上來看，平面上一簇點的算術(shù)平均值正是它們的幾何中心，而從這個幾何中心出發(fā)可以形成它們的中心區(qū)域；
[0013]本發(fā)明中，局部特征的中心區(qū)域非常接近圖像的顯著區(qū)域，因此圖像顯著區(qū)域的檢測可以近似的轉(zhuǎn)化為定位這些局部特征中心區(qū)域的問題。
[0014]本發(fā)明中，從時間復雜度上來看，實現(xiàn)中只涉及局部特征點的平均值和方差的計算，復雜度為O(N);而當單張圖像的局部特征點保持在一千到兩千的范圍時，實際系統(tǒng)中這部分的計算可忽略不計。
[0015]本發(fā)明中，在具體實施過程中，可以采用多種圖像局部特征提取算法，一般采用SURF, SIFT或其變種。
[0016]本發(fā)明的優(yōu)點在于:
[0017]I)本發(fā)明提供并實現(xiàn)了一種快速的顯著區(qū)域檢測技術(shù)；本發(fā)明在準確度上與同類顯著區(qū)域檢測算法接近的情況下，可以獲得上千倍的加速；
[0018]2)本發(fā)明利用了局部特征提取算法中特征檢測階段產(chǎn)生的中間結(jié)果，避免引入其他顯著區(qū)域算法造成的額外開銷；
[0019]3)本發(fā)明中的算法可以處理多顯著區(qū)域的情況。
[0020]為了便于理解，以下將通過具體的附圖和實施例對本發(fā)明的基于局部特征的顯著區(qū)域檢測方法進行詳細地描述。需要特別指出的是，具體實例和附圖僅是為了說明，顯然本領(lǐng)域的普通技術(shù)人員可以根據(jù)本文說明，在本發(fā)明的范圍內(nèi)對本發(fā)明做出各種各樣的修正和改變，這些修正和改變也納入本發(fā)明的范圍內(nèi)。
【專利附圖】

【附圖說明】
[0021]圖1為本發(fā)明所述基于局部特征的顯著區(qū)域檢測方法的計算過程示意圖。
【具體實施方式】
[0022]實施例1采用圖像局部特征提取算法
[0023]按下述步驟實現(xiàn)，
[0024]步驟1、計算局部特征點
[0025]使用當前主流的局部特征提取算法，如SURF算法或SIFT算法，作為圖像局部特征提取算法，利用這些圖像局部特征提取算法檢測圖像或視頻幀的特征點的分布，之后進行顯著區(qū)域計算，獲得特征點的分布矩陣；
[0026]步驟2、依據(jù)局部特征點分布分割圖像
[0027]經(jīng)過步驟1，得到圖像的局部特征點分布，基于這些特征點的分布，引入一個啟發(fā)式的算法進行分割圖像，以處理多顯著區(qū)域的情況，具體步驟如下:1)分別從圖像水平、垂直坐標軸的中心點開始，同時往前后兩個方向掃描可能的圖像分割；2)判斷當前分割是否滿足以下兩個條件:當前分割上不存在任意局部特征；當前分割與圖像中心的距離不超過一個常數(shù)(一般取圖像邊長的四分之一即可);3)若找到滿足條件的分割，算法停止并記錄下相關(guān)的分割點，但若達到離圖像中心的最大距離時依然未找到滿足條件的分割，即認為此圖像在水平或垂直方向不存在分割；
[0028]步驟3、計算局部特征的中心區(qū)域
[0029]依據(jù)上一步驟的區(qū)域劃分，在各個圖像區(qū)域中計算局部特征的中心區(qū)域，如之前所述，本實施例中使用特征點的幾何中心近似計算局部特征的密集區(qū)域，具體包括:
[0030][I]計算幾何中心，局部特征的幾何中心即所有特征點坐標的算術(shù)平均值，按公式(1)，其中C(x，y)為中心坐標，Pi(x，y)為每個局部特征點的坐標；
[0031]
【權(quán)利要求】
1.一種基于局部特征的顯著區(qū)域檢測方法，其特征在于，利用圖像局部特征的檢測算法，獲得圖像局部特征點分布；檢測圖像是否存在多個顯著區(qū)域，并以此將圖像分割為多個區(qū)塊；計算各個圖像區(qū)塊中局部特征在水平和垂直坐標軸上的平均坐標以及方差，獲得顯著區(qū)域的中心點和形狀；其包括步驟: [1]依據(jù)局部特征的分布對圖像進行分割， 使用啟發(fā)式的算法，分別從圖像水平、垂直坐標軸的中心點開始，同時往前后兩個方向掃描可能的圖像分割，選出圖像在水平和垂直方向上的分割點； [2]檢測局部特征密集區(qū)域， 選平面上一簇點的算術(shù)平均值為幾何中心，從該幾何中心出發(fā)形成中心區(qū)域；局部特征的中心區(qū)域近局部特征的最密集區(qū)域，即圖像的顯著區(qū)域。
2.按權(quán)利要求1所述的基于局部特征的顯著區(qū)域檢測方法，其特征在于，所述步驟(I)中，目標分割需要至少滿足兩個條件；與圖像中心位置盡可能的接近；局部特征是不可分割的。
3.按權(quán)利要求1所述的基于局部特征的顯著區(qū)域檢測方法，其特征在于，所述步驟(2)中，圖像顯著區(qū)域的檢測近似的轉(zhuǎn)化為定位局部特征中心區(qū)域的計算。
4.按權(quán)利要求1所述的基于局部特征的顯著區(qū)域檢測方法，其特征在于，所述方法中使用顯著區(qū)域檢測算法加速局部特征的描述和匹配算法， 其中，通過消除特征區(qū)域外的局部特征點，加速局部特征描述；通過只保留顯著區(qū)域內(nèi)局部特征的方式，減少局部特征匹配的開銷。
【文檔編號】G06K9/46GK103679170SQ201210345641
【公開日】2014年3月26日 申請日期:2012年9月17日 優(yōu)先權(quán)日:2012年9月17日
【發(fā)明者】張為華, 呂超 申請人:復旦大學