[0049] 建立背景顏色模型，如圖3所示，該階段主要是對圖像的四個角進(jìn)行尺度選擇，通 過二維信息滴值選擇局部極小值的方式選出模擬背景的最佳尺度，進(jìn)一步對RGB=個通道 的像素值進(jìn)行高斯混合模型的模擬，W下為信息滴的計算公式：
[0化0] 尺度選擇中二維信息滴值的計算方式如下：
[0化1]
[0052] 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：
[0化5] 其中Q代表量化后的顏色對比度值，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；
[0化6] 顏色對比度排序，該階段通過對圖像中的每一個像素周圍鄰域15*15模板建立高 斯混合模型，在第一階段計算出的背景顏色模型的基準(zhǔn)上，計算混合高斯模型的化距離作 為顏色對比度排序，W下為顏色對比度排序計算公式：
[0057]
[0化8] 其中Ub本別代表兩個高斯模型的均值，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)代表圖像中每個像素與背景混合高斯模型的距離）；
[0化9] 一致性顏色區(qū)域檢測，該階段接受顏色對比度排序后的圖像，通過分水嶺的浸沒 式增長方式進(jìn)行區(qū)域的檢測，得到最終的具有一致性顏色的穩(wěn)定局部極值區(qū)域（局部區(qū)域 檢測子）。
[0060] 本發(fā)明還提出一種基于顏色對比度的局部區(qū)域檢測子提取系統(tǒng)，包括：
[0061] 建立背景RGB=通道高斯混合模型模塊，用于獲取圖像，并對所述圖像的四個角 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；
[0062] 顏色對比度排序模塊，用于對所述圖像中每個像素點建立RGBS通道高斯混合模 型，并根據(jù)每個所述像素點的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比度排序；
[0063] 提取局部區(qū)域檢測子模塊，用于根據(jù)所述顏色對比度排序，通過分水嶺的區(qū)域檢 巧巧式檢測對比度一致的區(qū)域，所述區(qū)域為所述局部區(qū)域檢測子
[0064] 所述二維信息滴值的計算方式如下：
[00 化]
[0066] 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：
[0069] 其中Q代表量化后的顏色對比度值，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。
[0070] 顏色對比度排序計算公式為：
[0071]
[007引其中Ut，Ub本別代表兩個高斯模型的均值，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)代表圖像中每個像素與背景混合高斯模型的距離；
[0073] 所述顏色對比度排序模塊還包括將=通道對比度進(jìn)行加權(quán)融合。
[0074] 所述顏色對比度排序模塊包括對所述圖像中的每個像素點選取15*15的模板建 立RGB=通道高斯混合模型。
[0075] W下為本發(fā)明總的技術(shù)效果，如下所示：
[0076] 本發(fā)明并在公開的數(shù)據(jù)集上做測試，同時與HarrisAffineDetector、Hessian AffineDetector、MSER、IBR、EBR局部區(qū)域檢測子的代表性方法做了對比，衡量的指標(biāo)是 repeat油ility(重復(fù)率），重復(fù)率對比指標(biāo)，如圖la、化、1C、Id所示。
[0077] 同時，本發(fā)明的關(guān)鍵點在于優(yōu)化底層排序機制，從而使檢測出的區(qū)域具備代表性， 并且能減少內(nèi)存占用量和特征提取時間，檢測效果如圖2所示。
【主權(quán)項】
1. 一種基于顏色對比度的局部區(qū)域檢測子提取方法，其特征在于，包括： 步驟1，獲取圖像，并對所述圖像的四個角進(jìn)行尺度選擇，通過二維信息熵值的局部極 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三通道高斯 混合模型； 步驟2,對所述圖像中每個像素點建立RGB三通道高斯混合模型，并根據(jù)每個所述像素 點的RGB三通道高斯混合模型與所述背景RGB三通道高斯混合模型的KL距離，更新所述圖 像的顏色對比度排序； 步驟3,根據(jù)所述顏色對比度排序，通過分水嶺的區(qū)域檢測方式檢測對比度一致的區(qū) 域，所述區(qū)域為所述局部區(qū)域檢測子。2. 如權(quán)利要求1所述的基于顏色對比度的局部區(qū)域檢測子提取方法，其特征在于，所 述二維信息熵值的計算方式如下：其中C代表RGB三通道，s代表尺度，Wi代表信息熵的權(quán)重，信息熵H i (s)定義如下：其中Q代表量化后的顏色對比度值，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。3. 如權(quán)利要求1所述的基于顏色對比度的局部區(qū)域檢測子提取方法，其特征在于，顏 色對比度排序計算公式為：其中ut，ub本別代表兩個高斯模型的均值，Σ，ΡΣ b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 像素和其周圍15*15像素塊所形成的混合高斯分布模型，p b為圖像的背景混合高斯模型， CC(pt，pb)代表圖像中每個像素與背景混合高斯模型的距離。4. 如權(quán)利要求1所述的基于顏色對比度的局部區(qū)域檢測子提取方法，其特征在于，所 述步驟2還包括將三通道對比度進(jìn)行加權(quán)融合。5. 如權(quán)利要求1所述的基于顏色對比度的局部區(qū)域檢測子提取方法，其特征在于，所 述步驟2包括對所述圖像中的每個像素點選取15*15的模板建立RGB三通道高斯混合模 型。6. -種基于顏色對比度的局部區(qū)域檢測子提取系統(tǒng)，其特征在于，包括： 建立背景RGB三通道高斯混合模型模塊，用于獲取圖像，并對所述圖像的四個角進(jìn)行 尺度選擇，通過二維信息熵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三通道高斯混合模型； 顏色對比度排序模塊，用于對所述圖像中每個像素點建立RGB三通道高斯混合模型， 并根據(jù)每個所述像素點的RGB三通道高斯混合模型與所述背景RGB三通道高斯混合模型的 KL距離，更新所述圖像的顏色對比度排序； 提取局部區(qū)域檢測子模塊，用于根據(jù)所述顏色對比度排序，通過分水嶺的區(qū)域檢測方 式檢測對比度一致的區(qū)域，所述區(qū)域為所述局部區(qū)域檢測子。7. 如權(quán)利要求6所述的基于顏色對比度的局部區(qū)域檢測子提取系統(tǒng)，其特征在于，所 述二維信息熵值的計算方式如下：其中C代表RGB三通道，s代表尺度，Wi代表信息熵的權(quán)重，信息熵H i (s)定義如下：其中Q代表量化后的顏色對比度值，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。8. 如權(quán)利要求6所述的基于顏色對比度的局部區(qū)域檢測子提取系統(tǒng)，其特征在于，顏 色對比度排序計算公式為：其中ut，ub本別代表兩個高斯模型的均值，Σ，ΡΣ b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 像素和其周圍15*15像素塊所形成的混合高斯分布模型，p b為圖像的背景混合高斯模型， CC(pt，pb)代表圖像中每個像素與背景混合高斯模型的距離。9. 如權(quán)利要求6所述的基于顏色對比度的局部區(qū)域檢測子提取系統(tǒng)，其特征在于，所 述顏色對比度排序模塊還包括將三通道對比度進(jìn)行加權(quán)融合。10. 如權(quán)利要求6所述的基于顏色對比度的局部區(qū)域檢測子提取系統(tǒng)，其特征在于，所 述顏色對比度排序模塊包括對所述圖像中的每個像素點選取15*15的模板建立RGB三通道 高斯混合模型。
【專利摘要】本發(fā)明公開了一種基于顏色對比度的局部區(qū)域檢測子提取方法及系統(tǒng)，涉及圖像檢索、圖像識別、對象跟蹤檢測領(lǐng)域，該方法包括獲取圖像，并對所述圖像的四個角進(jìn)行尺度選擇，通過二維信息熵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三通道高斯混合模型；對所述圖像中每個像素點建立RGB三通道高斯混合模型，并根據(jù)每個所述像素點的RGB三通道高斯混合模型與所述背景RGB三通道高斯混合模型的KL距離，更新所述圖像的顏色對比度排序；根據(jù)所述顏色對比度排序，通過分水嶺的區(qū)域檢測方式檢測對比度一致的區(qū)域，所述區(qū)域為所述局部區(qū)域檢測子。本發(fā)明提取檢測子速度快，內(nèi)存占用少。
【IPC分類】G06K9/46
【公開號】CN104881669
【申請?zhí)枴緾N201510243968
【發(fā)明人】張勇東, 曹陽, 高科, 唐勝
【申請人】中國科學(xué)院計算技術(shù)研究所
【公開日】2015年9月2日
【申請日】2015年5月13日