一種基于顏色對(duì)比度的局部區(qū)域檢測子提取方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像檢索、圖像識(shí)別、對(duì)象跟蹤檢測領(lǐng)域，特別設(shè)及一種基于顏色對(duì)比 度的局部區(qū)域檢測子提取方法及系統(tǒng)。
【背景技術(shù)】
[0002] 目前頂級(jí)的圖像檢測子主要分為兩類；基于角點(diǎn)的檢測子，如HarrisAffine Detector、HessianAffineDetector;基于區(qū)域的檢測子，如IBR、邸R、SIFT、MSER。目前 研究已發(fā)現(xiàn)，基于區(qū)域的檢測子在圖像檢索應(yīng)用中取得的效果優(yōu)于基于角點(diǎn)的檢測子，其 主要原因是基于區(qū)域的檢測子能提取更具代表性和區(qū)分性的局部區(qū)域。
[000引 MSER區(qū)域檢測子被證明是最佳的區(qū)域檢測子，然而MS邸區(qū)域檢測子也存在其自 身的缺陷與不足，實(shí)驗(yàn)發(fā)現(xiàn)，MSER區(qū)域是灰度分布相一致的穩(wěn)定極值區(qū)域，然而該樣的區(qū)域 多為冗余而繁雜的區(qū)域，不具備代表性，造成內(nèi)容消耗大，提取檢測子速度慢，尋根溯源，在 于MSER底層排序的區(qū)分力度不夠，針對(duì)該問題，我們提出基于顏色對(duì)比度排序的CCM區(qū)域 檢測子，減少內(nèi)存消耗，加快檢測子提取速度。
[0004] 發(fā)明專利"一種用于替換視頻中感興趣區(qū)域的方法及裝置"，該發(fā)明實(shí)施例公開了 一種用于替換視頻中感興趣區(qū)域的方法及裝置，設(shè)及視頻處理技術(shù)領(lǐng)域，所述方法包括：確 定目標(biāo)視頻帖中感興趣區(qū)域的位置；在=維坐標(biāo)系中，根據(jù)所述目標(biāo)視頻帖中感興趣區(qū)域 的位置，確定預(yù)設(shè)的待替換圖像的映射圖像；將所述目標(biāo)視頻帖中感興趣區(qū)域替換為所述 映射圖像。應(yīng)用該發(fā)明實(shí)施例，替換目標(biāo)視頻帖中的感興趣區(qū)域后，可W與其周圍像素自然 過渡，提高用戶體驗(yàn)效果。但是該發(fā)明是通過感興趣區(qū)域的映射，替換目標(biāo)視頻中感興趣區(qū) 域，實(shí)現(xiàn)局部的替換和更新，提升用戶體驗(yàn)。而本發(fā)明是通過分析圖像顏色一致性，從而提 取圖像中具有代表性的局部區(qū)域。
[0005] 發(fā)明專利"基于感興趣區(qū)域的幅型比變換方法"，該發(fā)明公開了一種基于感興趣區(qū) 域的幅型比變換方法，主要解決現(xiàn)有方法變換后運(yùn)動(dòng)目標(biāo)失真的缺陷。其步驟為；利用光流 場信息和模糊聚類技術(shù)進(jìn)行運(yùn)動(dòng)區(qū)域檢測，同時(shí)采用均值偏移算法實(shí)現(xiàn)圖像空域分割，并 將空間分隔后的圖像與運(yùn)動(dòng)區(qū)域檢測后的運(yùn)動(dòng)區(qū)域進(jìn)行投影計(jì)算，得到精確的運(yùn)動(dòng)目標(biāo)； 利用圖像修復(fù)技術(shù)修補(bǔ)被運(yùn)動(dòng)目標(biāo)遮掩的背景區(qū)域，獲得完整的背景；利用圖像插值算法， 對(duì)修復(fù)后的背景和運(yùn)動(dòng)目標(biāo)分別采用不同的變換比例進(jìn)行變換；將變換后的背景和目標(biāo)物 相疊加合成相應(yīng)幅型比的視頻圖像。該發(fā)明既保證了變換后運(yùn)動(dòng)目標(biāo)的無失真性，又很好 地保持了畫面的和諧和視頻的連續(xù)，提高了變換后的視覺效果，適用于視頻圖像處理的格 式轉(zhuǎn)換。但是該發(fā)明是將感興趣區(qū)域的幅型比變換方法應(yīng)用于運(yùn)動(dòng)目標(biāo)失真的修復(fù)和變換 中，本發(fā)明重點(diǎn)在于對(duì)感興趣區(qū)域的檢測過程。

【發(fā)明內(nèi)容】

[0006] 針對(duì)現(xiàn)有技術(shù)不足，本發(fā)明提出了一種基于顏色對(duì)比度的局部區(qū)域檢測子提取方 法及系統(tǒng)。
[0007] 本發(fā)明提出一種基于顏色對(duì)比度的局部區(qū)域檢測子提取方法，包括：
[000引步驟1，獲取圖像，并對(duì)所述圖像的四個(gè)角進(jìn)行尺度選擇，通過二維信息滴值的局 部極小值選取所述圖像的圖像背景的最佳尺度，根據(jù)所述最佳尺度，建立背景RGB=通道 高斯混合模型；
[0009] 步驟2,對(duì)所述圖像中每個(gè)像素點(diǎn)建立RGB=通道高斯混合模型，并根據(jù)每個(gè)所述 像素點(diǎn)的RGB S通道高斯混合模型與所述背景RGB S通道高斯混合模型的化距離，更新所 述圖像的顏色對(duì)比度排序；
[0010] 步驟3,根據(jù)所述顏色對(duì)比度排序，通過分水嶺的區(qū)域檢測方式檢測對(duì)比度一致的 區(qū)域，所述區(qū)域?yàn)樗鼍植繀^(qū)域檢測子。
[0011] 所述的基于顏色對(duì)比度的局部區(qū)域檢測子提取方法，所述二維信息滴值的計(jì)算方 式如下：
[0012]
[0013] 其中C代表RGB S通道，S代表尺度，Wi代表信息滴的權(quán)重，信息滴Hi(S)定義如 下：
[0016] 其中Q代表量化后的顏色對(duì)比度值，Pu(c，S)代表像素值f(i，如出現(xiàn)在一副MXN 大小的圖像中的概率，f(i，j)代表像素值i的八鄰域像素值為j的概率值，M為圖像的寬 度，N為圖像的高度。
[0017] 所述的基于顏色對(duì)比度的局部區(qū)域檢測子提取方法，顏色對(duì)比度排序計(jì)算公式 為：
[001 引
[0019] 其中Ut，Ub本別代表兩個(gè)高斯模型的均值，Et和Eb代表混合高斯模型的協(xié)方差 矩陣，t代表圖像中像素的標(biāo)記，b代表圖像中背景的標(biāo)記，T代表矩陣的轉(zhuǎn)置，Pt為圖像中 每一個(gè)像素和其周圍15*15像素塊所形成的混合高斯分布模型，Pb為圖像的背景混合高斯 模型，CC(Pt，Pb)代表圖像中每個(gè)像素與背景混合高斯模型的距離；
[0020] 所述的基于顏色對(duì)比度的局部區(qū)域檢測子提取方法，所述步驟2還包括將=通道 對(duì)比度進(jìn)行加權(quán)融合。
[0021] 所述的基于顏色對(duì)比度的局部區(qū)域檢測子提取方法，所述步驟2包括對(duì)所述圖像 中的每個(gè)像素點(diǎn)選取15*15的模板建立RGB=通道高斯混合模型。
[0022] 本發(fā)明還提出一種基于顏色對(duì)比度的局部區(qū)域檢測子提取系統(tǒng)，包括：
[0023] 建立背景RGB=通道高斯混合模型模塊，用于獲取圖像，并對(duì)所述圖像的四個(gè)角 進(jìn)行尺度選擇，通過二維信息滴值的局部極小值選取所述圖像的圖像背景的最佳尺度，根 據(jù)所述最佳尺度，建立背景RGB=通道高斯混合模型；
[0024] 顏色對(duì)比度排序模塊，用于對(duì)所述圖像中每個(gè)像素點(diǎn)建立RGBS通道高斯混合模 型，并根據(jù)每個(gè)所述像素點(diǎn)的RGB=通道高斯混合模型與所述背景RGB=通道高斯混合模 型的化距離，更新所述圖像的顏色對(duì)比度排序；
[0025] 提取局部區(qū)域檢測子模塊，用于根據(jù)所述顏色對(duì)比度排序，通過分水嶺的區(qū)域檢 測方式檢測對(duì)比度一致的區(qū)域，所述區(qū)域?yàn)樗鼍植繀^(qū)域檢測子。
[0026] 所述的基于顏色對(duì)比度的局部區(qū)域檢測子提取系統(tǒng)，所述二維信息滴值的計(jì)算方 式如下：
[0027]
[002引其中C代表RGBS通道，S代表尺度，Wi代表信息滴的權(quán)重，信息滴Hi (S)定義如 下：
[003U其中Q代表量化后的顏色對(duì)比度值，Pu(c，S)代表像素值f(i，j)出現(xiàn)在一副MXN大小的圖像中的概率，f(i，j)代表像素值i的八鄰域像素值為j的概率值，M為圖像的寬 度，N為圖像的高度。
[0032] 所述的基于顏色對(duì)比度的局部區(qū)域檢測子提取系統(tǒng)，顏色對(duì)比度排序計(jì)算公式 為：
[0033]
[0034] 其中Ut，Ub本別代表兩個(gè)高斯模型的均值，Et和Eb代表混合高斯模型的協(xié)方差 矩陣，t代表圖像中像素的標(biāo)記，b代表圖像中背景的標(biāo)記，T代表矩陣的轉(zhuǎn)置，Pt為圖像中 每一個(gè)像素和其周圍15*15像素塊所形成的混合高斯分布模型，Pb為圖像的背景混合高斯 模型，CC(Pt，Pb)代表圖像中每個(gè)像素與背景混合高斯模型的距離；
[0035] 所述的基于顏色對(duì)比度的局部區(qū)域檢測子提取系統(tǒng)，所述顏色對(duì)比度排序模塊還 包括將=通道對(duì)比度進(jìn)行加權(quán)融合。
[0036] 所述的基于顏色對(duì)比度的局部區(qū)域檢測子提取系統(tǒng)，所述顏色對(duì)比度排序模塊包 括對(duì)所述圖像中的每個(gè)像素點(diǎn)選取15*15的模板建立RGB=通道高斯混合模型。
[0037] 由W上方案可知，本發(fā)明的優(yōu)點(diǎn)在于：
[003引本發(fā)明在一定的圖像仿射變化（旋轉(zhuǎn)、尺度）、圖像模糊、JPEG壓縮等具有良好的 魯椿性，此外本發(fā)明提取檢測子速度快，內(nèi)存占用少，可應(yīng)用于大規(guī)模圖像檢索場景，例如 大規(guī)模圖像檢索、圖像識(shí)別與對(duì)象跟蹤檢測等。
【附圖說明】
[0039] 圖la-圖Id為現(xiàn)有技術(shù)與本發(fā)明技術(shù)效果的對(duì)比圖；
[0040] 圖2為本發(fā)明技術(shù)效果圖；
[0041] 圖3為本發(fā)明對(duì)RGB=個(gè)通道的像素值進(jìn)行高斯混合模型的模擬圖。
【具體實(shí)施方式】
[0042] 本發(fā)明的目的是有效解決現(xiàn)有局部區(qū)域檢測子在大規(guī)模圖像檢索中特征提取慢， 內(nèi)存開銷大，魯椿性不高的問題，提出了一種基于顏色對(duì)比度的局部區(qū)域檢測子提取方法 及系統(tǒng)。
[0043] W下為本發(fā)明的總體步驟，如下所示：
[0044] 基于對(duì)比度排序需要W背景顏色模型為基準(zhǔn)，背景顏色模型建模成為首要問題， 通過二維信息滴值的局部極小值選取背景模型的尺度大小，然后建立背景RGB=通道高斯 混合模型；
[0045] 基于混合高斯模型的化距離來更新顏色對(duì)比度，對(duì)所述圖像中每個(gè)像素點(diǎn)建立 RGB=通道高斯混合模型，并根據(jù)每個(gè)所述像素點(diǎn)的RGB=通道高斯混合模型與所述背景 RGBS通道高斯混合模型的化距離，更新所述圖像的顏色對(duì)比度排序，對(duì)于圖像中的每個(gè) 像素選取15*15的模板建立RGBS通道高斯混合模型，通過計(jì)算該像素點(diǎn)的高斯混合模型 與背景的高斯混合模型的化距離來更新顏色對(duì)比度排序，將S通道對(duì)比度進(jìn)行加權(quán)融合；
[0046] 基于顏色對(duì)比度排序，進(jìn)行一致性對(duì)比度區(qū)域檢測，通過分水嶺的區(qū)域檢測方式 檢測對(duì)比度一致的區(qū)域，該區(qū)域是穩(wěn)定的局部極值區(qū)域（局部區(qū)域檢測子）。
[0047] W下為本發(fā)明一實(shí)施例，如下所示：
[0048] 本發(fā)明主要分為S個(gè)階段：建立背景顏色模型、顏色對(duì)比度排序、一致性顏色區(qū)域 檢測。