專利名稱：一種面向視覺顯著性檢測的中央周圍環(huán)繞優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，具體來說是一種受生物視覺感受野機(jī)制啟發(fā)的面向視覺顯著性檢測的中央-周圍環(huán)繞優(yōu)化方法。
背景技術(shù)：
生物視網(wǎng)膜中神經(jīng)節(jié)細(xì)胞感受野都由一個(gè)“中心”圓和一個(gè)“周圍”同心環(huán)組成，兩區(qū)域分別對激勵(lì)具有興奮和抑制響應(yīng)。已證實(shí)神經(jīng)節(jié)細(xì)胞響應(yīng)是由抑制性和興奮性感受野分量共同作用的結(jié)果。因此，生物視覺神經(jīng)節(jié)細(xì)胞的感受野機(jī)制建摸的關(guān)鍵在于中央-周圍環(huán)繞優(yōu)化方法。目前已提出的中央-周圍環(huán)繞優(yōu)化方法可大致分為兩類。一種是基于高斯差分模型，它采用重疊但卻獨(dú)立的兩個(gè)高斯函數(shù)，分別模擬“中心”興奮和“周圍”抑制區(qū)域。由于兩高斯函數(shù)對激勵(lì)具有相反響應(yīng)，最終表現(xiàn)為一個(gè)高斯差分函數(shù)。另一類是基于雙指數(shù)模型，該方法建立在對獼猴Hl水平細(xì)胞的實(shí)驗(yàn)研究基礎(chǔ)上，認(rèn)為大多數(shù)Hl感受野的敏感度分布表現(xiàn)為兩個(gè)指數(shù)分量的疊加。此外，現(xiàn)已提出的中央-周圍環(huán)繞優(yōu)化方法中感受野的“中心”和“周圍”區(qū)域設(shè)定通常都是建立在輸入圖像的像素空間上。具體來說，“中心”和“周圍”區(qū)域是根據(jù)像素與區(qū)域中心像素在像素空間上的距離進(jìn)行劃分，且感受野的空間范圍和靈敏度分布與激勵(lì)信號強(qiáng)弱無關(guān)。然而生物學(xué)實(shí)驗(yàn)已證明感受野大小和靈敏度曲線是隨激勵(lì)信號強(qiáng)弱自適應(yīng)改變。另一個(gè)生物學(xué)證據(jù)是生物視覺信息的傳輸處理機(jī)制的研究，不管是分級假說還是平行處理機(jī)制都強(qiáng)調(diào)的是對輸入視覺信息成分按不同性質(zhì)重組處理和傳輸。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)的不足，受生物視覺感受野機(jī)制中“中心”興奮和“周圍”抑制特性，以及感受野細(xì)胞對視覺信息重組特性的啟發(fā)，提供了一種面向視覺顯著性檢測的中央-周圍環(huán)繞優(yōu)化方法。本發(fā)明方法的具體步驟如下:
步驟(I):采用SLIC超像素聚類方法，提取輸入圖像的顯著基元，具體為:
對于輸入圖像I設(shè)定期望劃分的超像素個(gè)數(shù)為犮，采用SLIC超像素聚類方法根據(jù)期望的超像素個(gè)數(shù)劃分出多個(gè)互不相交且區(qū)域面積近似相等的超像素區(qū)域，最終實(shí)際劃分出的超像素個(gè)數(shù)力 將一個(gè)超像素區(qū)域視為一個(gè)顯著基元，即顯著基元的個(gè)數(shù)為況。步驟(2):采用彩色變換方法，分別提取輸入圖像在CIELAB空間的I彩色分量圖、a彩色分量圖和6彩色分量圖，具體為:
對于輸入圖像I，其I彩色分量圖、a彩色分量圖和b彩色分量圖分別表示為、Xa和妒。步驟(3):根據(jù)步驟(I)和步驟(2)的結(jié)果，提取每個(gè)顯著基元在CIELAB空間的顏色特征，具體為:
對于輸入圖像I中的第i個(gè)顯著基元5 ,其顏色特征是由顯著基元在CIELAB空間的顏色均值矢量h、超像素區(qū)域6的質(zhì)心坐標(biāo)Pi組成。所述的顯著基元％在CIELAB空間的顏色均值矢量Jjk表示為
權(quán)利要求
1.一種面向視覺顯著性檢測的中央-周圍環(huán)繞優(yōu)化方法，其特征在于該方法包括如下步驟: 步驟(I):采用SLIC超像素聚類方法，提取輸入圖像的顯著基元，具體為:對于輸入圖像I,設(shè)定期望劃分的超像素個(gè)數(shù)為貨，采用SLIC超像素聚類方法根據(jù)期望的超像素個(gè)數(shù)劃分出多個(gè)互不相交且區(qū)域面積近似相等的超像素區(qū)域，最終實(shí)際劃分出的超像素個(gè)數(shù)為N ;將一個(gè)超像素區(qū)域視為一個(gè)顯著基元，即顯著基元的個(gè)數(shù)為F ; 步驟(2):采用彩色變換方法，分別提取輸入圖像在CIELAB空間的7彩色分量圖、a彩色分量圖和6彩色分量圖，具體為: 對于輸入圖像I其I彩色分量圖、a彩色分量圖和b彩色分量圖分別表示為、Ic和疒； 步驟(3):根據(jù)步驟(I)和步驟(2)的結(jié)果，提取每個(gè)顯著基元在CIELAB空間的顏色特征，具體為: 對于輸入圖像I中的第i個(gè)顯著基元A ,其顏色特征是由顯著基元A空間的顏色均值矢量超像素區(qū)域G的質(zhì)心坐標(biāo)Pi組成； 所述的顯著基元在CIELAB空間的顏色均值矢量h表示為
全文摘要
本發(fā)明涉及一種面向視覺顯著性檢測的中央-周圍環(huán)繞優(yōu)化方法。本發(fā)明方法首先提取輸入圖像的顯著基元，得到三個(gè)彩色分量。其次每個(gè)顯著基元的顏色獨(dú)特性值并計(jì)算空間緊湊性值。然后依據(jù)顏色獨(dú)特性值和空間緊湊性值計(jì)算每個(gè)顯著基元的合成顯著性值。最后結(jié)合感受野區(qū)域采用一種簡化中央-周圍環(huán)繞算子計(jì)算每個(gè)顯著基元的最終顯著性值。本發(fā)明采用線性加權(quán)函數(shù)對目前生物視覺感受野的兩種模型進(jìn)行擬合和簡化,實(shí)現(xiàn)兩種感受野模型的統(tǒng)一建模。
文檔編號G06T7/00GK103093454SQ20121056040
公開日2013年5月8日 申請日期2012年12月20日 優(yōu)先權(quán)日2012年12月20日
發(fā)明者周文暉, 宋騰, 孫志海, 吳以凡, 徐翀 申請人:杭州電子科技大學(xué)