一種基于全局與局部對比度的顯著性檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于多尺度上下文的顯著性檢測方法，屬于計(jì)算機(jī)通信技術(shù)領(lǐng) 域。
【背景技術(shù)】
[0002] 21世紀(jì)，隨著計(jì)算機(jī)技術(shù)和人工智能的迅猛發(fā)展和相關(guān)理論的不斷完善，數(shù)字圖 像處理技術(shù)在許多領(lǐng)域受到廣泛重視，為了人們更好更便捷的生活，圖像處理的研究顯得 至關(guān)重要。其中，顯著性檢測是計(jì)算機(jī)視覺和圖像處理的一項(xiàng)重要任務(wù)。圖像顯著性區(qū)域檢 測研究的目的是獲得高質(zhì)量的顯著圖，顯著圖反映了圖像中不同區(qū)域的顯著程度。利用顯 著圖，可以快速定位和處理圖像中的顯著區(qū)域，以達(dá)到通過計(jì)算機(jī)模擬人類視覺顯著性的 目的。
[0003] 然而，當(dāng)前提出的多種顯著性檢測方法，仍然存在很多不足。即圖像顯著性檢測結(jié) 果質(zhì)量普遍不高，不能正確反映出圖像的顯著性信息；顯著性信息的使用方式和方法還比 較初級等問題。但在實(shí)際應(yīng)用中，對比度的計(jì)算是圖像顯著性計(jì)算的核心。由于生物學(xué)上對 視覺顯著性的研究不徹底，很多結(jié)論具有猜測性，Goferman等人提出了上下文集成方法，突 破了生物學(xué)模型，簡化了計(jì)算方法，但是，顯著性檢測質(zhì)量不高。Achanta等提出的多尺度方 法，采用局部對比度計(jì)算方法，檢測結(jié)果容易受到圖像中的復(fù)雜顏色，物體的質(zhì)地紋理，多 變的環(huán)境背景等因素的影響，使得通過已知方法得出的顯著性圖無法準(zhǔn)確突出圖像的前 景。因此，就無法使圖像顯著性信息的潛力發(fā)揮出來。zhai和Shah等提出的基于直方圖的計(jì) 算方法，則采用全局對比度計(jì)算方法，當(dāng)前景與背景色差不大時(shí)，造成顯著性區(qū)域的誤判， 無法清晰指明物體的輪廓，這就使得顯著性圖的應(yīng)用效果比較差。
[0004] 同時(shí)，上述現(xiàn)有方法在圖像背景與前景相似等復(fù)雜情況下，顯著性的檢測性能并 不理想?，F(xiàn)有方法僅重視單一對比度情況，檢測性能遠(yuǎn)不能滿足實(shí)際應(yīng)用的需求。而本發(fā)明 能夠很好地解決上面的問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的在于解決了上述現(xiàn)有技術(shù)問題，提出了一種視覺顯著性的檢測方法， 該方法是在RGB色彩空間下，檢測結(jié)果比現(xiàn)有方法更簡單并行之有效，其顯著圖更貼合于人 眼的視覺感知系統(tǒng)所得到的結(jié)果，顯著性檢測質(zhì)量高，且檢測結(jié)果受圖像的物理?xiàng)l件，光學(xué) 條件，色彩差異影響小;本發(fā)明不受樣本限制，更適于實(shí)際應(yīng)用。
[0006] 本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是:在實(shí)現(xiàn)中，從1500自然場景隨機(jī)選 擇的彩色圖像中提取500000個(gè)8X8圖像塊（即用于RGB顏色空間中的每個(gè)子信道）。在詞典 里，每個(gè)基礎(chǔ)功能是一個(gè)8X8 = 64維向量，學(xué)習(xí) N=200字典。稀疏編碼系數(shù)用以上所學(xué)習(xí)的 LARS算法原理。
[0007] 此框架是基于三個(gè)顯著性操作。第一個(gè)，CESC(center-surround contrast，即：中 心-四周對比度），認(rèn)為就其周圍的圖像補(bǔ)丁塊的稀缺性。第二個(gè)，CSC(corner-surround contrast，即：對角-四周對比度），通過考慮中心補(bǔ)丁塊與其周圍補(bǔ)丁塊的相對位置拓展 CESC(center-sur;round contrast，即：中心-四周對比度）算法。第三個(gè)，GC(Global contrast，即：全局對比度），利用其在整個(gè)圖像的對比度的圖像的補(bǔ)丁計(jì)算顯著性。最后， 這三個(gè)對比圖進(jìn)行合并。
[0008] 輸入的圖像首先被調(diào)整成29 X 29像素。P={pi，p2. . .，pN}(即從左上到右下無重疊 的)代表一系列的補(bǔ)丁塊。然后用稀疏編碼算法去計(jì)算重造的系數(shù)^來代表補(bǔ)丁塊h，即：
[0009]
[0010] 其中λ是一正則化參數(shù)。〇=[(11，(12,...，(1 11]卻_是一系列11\111維基礎(chǔ)公式。這樣，
[0011] 方法流程：
[0012] 步驟1:每一個(gè)補(bǔ)丁塊Pi的顯著性值都包含在每一個(gè)像素 X中（每一個(gè)補(bǔ)丁塊等于8 X8的64維像素），*代表獨(dú)立的CESC(center_surround contrast，中心-四周對比度），CSC (corner-surround contrast，對角-四周對比度），GC(Global contrast，全局對比度）的顯 著性的值，N()表示歸一化運(yùn)算，S*(x)表征在RGB色彩空間中所有顏色頻道的歸一化與總和 的顯著性，即：
[0013] =
[00M]步驟2:基于多尺度空間的顯著性檢測，對步驟1所得的值取最大，即：
[0015]
[0016] 其中：(X)是步驟1所得大小調(diào)整后的第m個(gè)尺度的顯著圖（這里m取3)。
[0017] 步驟3:在進(jìn)行步驟2的操作后，再次對(CESC( center-surround contrast，中心-四周對比度），CSC(corner_surround contrast,對角-四周對比度），GC(Global contrast, 全局對比度））三種情況下的對比顯著性值進(jìn)行歸一化與組合，即：
[0018] S(x) = N(Sse(x))〇N(Sg(x))〇N(Sc(x))
[0019]其中，上述公式中的V'是一個(gè)數(shù)學(xué)算子，可以代表"+"，"X"，"最大值"，"最小 值"，這里第一個(gè)"。"取max，第二個(gè)"。"取"+"
[0020] 步驟4:為了得到一個(gè)統(tǒng)一的比較準(zhǔn)則，將顯著性值S(x)的值范圍規(guī)范到(0，1)中， 再一次的歸一化，即：
[0021]
[0022] 兵屮，X代衣傢系。
[0023] 本發(fā)明步驟3所述對比顯著性值進(jìn)行歸一化與組合的計(jì)算方法，包括如下步驟：
[0024] 步驟3-1 :CESC(center_surround contrast，中心-四周對比度)檢測方法，其計(jì)算 方法，包括如下步驟：
[0025] CESC(center_surround contrast，中心-四周對比度）顯著性巧.(/>/)的計(jì)算中，中 心補(bǔ)丁塊口:和它周圍的補(bǔ)丁塊的平均權(quán)重各不相同，即：
[0026]
[0027] 其中，Wy是中心補(bǔ)丁塊？1和它周圍補(bǔ)丁塊的距離，所有的計(jì)算距離的方法，包 括：歐幾里得距離；卡方距離，曼哈頓距離，切比雪夫距離等皆可以，此處采用的是歐氏距 離。其中，歐式距離的計(jì)算公式為:d= | |χ?，Χ2···Χη| |2,其中，Χ1···Χη是圖像上的點(diǎn)。其它距
> 離公式：1)卡方距離的計(jì)算公式如下 -_;:2)兩個(gè)η維向量(X11，X12. . .Xln)與(Χ21, 1 fi X22. . .X2n)的曼哈頓距離計(jì)算公式如下
0兩個(gè)η維向量(X11,X12. . .Xln)與 (X21 ,Χ22 · · · X2n)的切比雪夫距離：V內(nèi).一太2(|廠;
[0028] 步驟3-2:CSC(corner-surround contrast,對角-四周對比度)檢測方法，包括如 下步驟：
[0029] 1)對于每一個(gè)補(bǔ)丁塊Pi，它的CSC(corner-surround contrast，對角-四周對比 度）顯著性值￥(/?)的計(jì)算是四種類型的模板乘積，即右下私.(6)，左下和(6)，右上 《狀），左上&(〇(即：模板的大小是可以選擇的，即：3X3;4X4等，此處采用的是2X2的 模板。其中，3X3模板（以右下為例)有2種選擇，如圖1-1所示，4X4模板（以右下為例)有三 種選擇，如圖1-2所示），即：
[0030]
[0031] 2)每一個(gè)模板特定（即右下義,.(匕)）卡方距離的計(jì)算，從補(bǔ)丁塊Pjlj它的周圍區(qū)域 Si的卡方距離，即：
[0032] ^(Α)Λ|!(Η(Α),Η(5',}}
[0033] 3)卡方距離的具體計(jì)算:其中Η()是一個(gè)分級直方圖，Β的值為100,直方圖的統(tǒng)計(jì) 計(jì)算依賴于所有的補(bǔ)丁塊的相關(guān)系數(shù)α，并且H b〇是Η()的第b個(gè)元素。具體計(jì)算公式如下：
[0034]
[0035] 步驟3_3:GC(Global contrast,全局對比度)檢測方法，包括如下步驟：
[0036] 計(jì)算每一個(gè)補(bǔ)丁塊P(Pi)的概率代替每個(gè)像素的概率，并且用它的逆代表全局顯 著性：
[0037]
[0038] 有益效果：
[0039] 1、本發(fā)明視覺顯著性的計(jì)算結(jié)果比現(xiàn)有各種方法的質(zhì)量都高。
[0040] 2、本發(fā)明在同等條件下，具有很好地感知性能，顯著性區(qū)域刻畫更合理，其顯著性 圖的利用效果更高，便于實(shí)際運(yùn)用于計(jì)算機(jī)。
【附圖說明】
[0041] 圖 1、圖 1-1、圖 1-2為本發(fā)明中CSC(corner_surround contrast，對角-四周對比 度)算法的四種類型示意圖。
[0042] 圖2為本發(fā)明中CSC( corner-surround contrast，對角-四周對比度)算法，中心點(diǎn) 距周圍點(diǎn)卡方距離分布圖。
[0043] 圖3為本發(fā)明中CSC(corner_surround contrast，對角-四周對比度）算法在B = 100時(shí)的直方圖。
[0044] 圖4為不同顯著性算法在同一個(gè)數(shù)據(jù)集下的實(shí)驗(yàn)結(jié)果示意圖。
[0045] 圖5為本發(fā)明在不同參數(shù)分析下的結(jié)果示意圖。
[0046]圖6為本發(fā)明的方法流程圖。
【具體實(shí)施方式】
[0047]下面結(jié)合說明書附圖對本發(fā)明創(chuàng)造作進(jìn)一步的詳細(xì)說明。