一種針對復雜紋理圖像的圖像顯著性分析方法技術

本發明專利技術公開了一種針對復雜紋理圖像的顯著性分析方法。首先，我們的方法結合超像素技術和meanshift算法去分割圖像。然后，通過gabor濾波器去提取紋理特征，對每塊區域的gabor平均值變化做全局對比計算去獲得紋理子顯著圖。接著，我們結合空間信息，利用區域對比去計算得到顏色子顯著圖。最后，我們利用非線性融合技術去將上述兩幅圖結合得到最終的顯著圖。我們針對ACHANTA的測試集中的96幅復雜紋理圖像進行實驗，并且和現有的10種顯著性分析方法做了性能對比。實驗表明，本方法對于復雜性紋理圖像，在準確率和召回率等指標總體上優于其他方法。

【技術實現步驟摘要】
一種針對復雜紋理圖像的圖像顯著性分析方法
本專利技術涉及計算機視覺及圖像處理領域，具體涉及一種針對復雜紋理圖像的圖像顯著性分析方法。
技術介紹
圖像視覺顯著性檢測旨在檢測圖像的顯著區域，便于圖像的后期處理，是目前重要的研究領域之一。顯著性檢測過程通過計算機去模擬人類觀察圖像的過程，去計算獲取符合人體視覺焦點的圖像顯著性區域，從而完成計算機的自適應處理。圖像視覺顯著性檢測旨在檢測圖像的顯著區域，便于圖像的后期處理，也是目前重要的研究領域之一。在漫長的人類進化過程中，人們已經具備了快速獲取視覺信息并對這些信息進行快速準確抉擇的能力。對于圖像視覺顯著性檢測方法，有一種基于自底向上視覺注意機制，分析人眼對圖像內容的理解，利用圖像的底層特征、視覺特性并引入引力模型區檢測出更加準確的圖像顯著性區域。圖像視覺顯著性檢測方法主要是基于人類視覺系統的特性去檢測圖像中的顯著性區域。圖像視覺顯著性檢測方法在分析圖像內容的過程中，引入了視覺特性，大大提高了計算機對圖像內容的理解程度，推進了圖像處理技術的發展。在各種圖像處理技術中，計算機所關注的并不是圖像的全部內容，而是一部分感興趣區域或者非感興趣區域。通過視覺顯著性方法去檢測圖像的顯著區域，并給予不同區域的處理優先級，從而更好的利用計算資源，提高計算效率?，F今，視覺顯著性檢查技術已經被廣泛運用到圖像檢索、圖像和視頻壓縮、目標檢測、圖像及視頻分割等許多圖像處理領域，并很好的促進了這些領域的發展。由于純計算的顯著性計算方法速度快，符合人類視覺系統快速獲取顯著物體的視覺原理，所以這類方法是目前研究的比較多的方法。Ma等人于2003年提出一種基于局部對比分析的方法去獲得圖像顯著圖。Achanta等人于2008年對Ma等人的方法提出改進，提出了一種多尺度對比分析的顯著性區域提取方法。其實在純計算方法中，基于局部對比的方法生成的顯著圖，在圖像的邊緣具有較高的顯著性而不是均勻的突出整個物體。此后，Achanta等人于2009年提出了一種頻率調諧的顯著性方法。但是這種方法不適用于那些顯著物體占據太多像素的圖像。Achanta等人于2010年，對09年提出的方法進行改進，提出了最大對稱周邊的顯著性檢測方法。作為09年的改進方法，盡管解決了此前的方法問題，但是他并沒有考慮空間信息對顯著性的影響。Cheng等人于2011年提出了基于全局對比度的顯著性檢測方法。Li等人于2011年通過具有相同顯著物體的圖去檢測它們共有的顯著性物體。Li等人和Cheng等人提出的兩種方法是非常新穎的。他們李穎分割區域以及空間信息區生成顯著圖。但是對于前者，如果只提供一幅圖像，或者提供兩幅背景非常相似的圖相對，生成的顯著圖并不是非常的好。而對于后者和上面提到的所有方法存在一個共同的問題，就是他們都沒有考慮圖像的紋理信息。本專利技術公開的方法不同于上述所有方法，上述方法較少用到圖像的紋理信息，本專利技術針對高復雜紋理圖像提出一種結合紋理特征以及采用超像素和MeanShift方法改進GB分割方法，并通過非線性融合顏色和紋理分顯著性圖的顯著性分析方法。
技術實現思路
針對現有技術的缺陷及不合理性，本專利技術的目的在于提出一種針對復雜紋理圖像的圖像顯著性分析方法，該方法在計算顯著圖的過程中融合了紋理信息，能夠更加準確的得到與原始圖像分辨率相同的顯著圖，并且很好地抑制了原始圖像中的非顯著區域，從而有利于后期目標物體分割等應用。為了達到上述目的，本文提出一種針對復雜紋理圖像的圖像顯著性分析方法，其具體步驟如下其具體步驟如下：(1)運用基于超像素分割方法將原始圖像分割成K個超像素，1≤i≤K；(2)在超像素分割的基礎上進一步使用MEANSHIFT方法進行聚類；(3)得到最終的分割結果進行全局區域對比得到顏色分顯著性圖；(4)對每個區域提取GABOR紋理特征；(5)對紋理特征也采用全局對比得到紋理分顯著性圖；(6)將兩個分顯著性圖融合為總顯著性圖；上述步驟(3)所述的對原始圖像進行量化及高頻顏色篩選，其具體步驟如下：(2-1)將原始圖像RGB通道的顏色值量化為12個不同的值，其計算式為：其中，s＝1,2,…,m；t＝1,2,…n；分別表示原始圖像中像素點在RGB空間每個通道的顏色值；分別表示量化后圖像中像素點在RGB空間的每個通道的顏色值；Int(.)表示將浮點型轉換為整型。此時圖像集被重新定義為如下：(2-2)對于每個像素通過下面的公式結合三個通道的顏色值：s＝1,2,…,m；t＝1,2…,n.其中，表示三通道值經過轉化后，得到的單通道值；分別表示像素點Ps,t在RGB顏色空間下每個通道的顏色值。此時圖像集被重新定義為一個矩陣集：(2-3)通過一個有序的統計直方圖去獲得每種顏色出現的頻率，對于每一個顏色頻率統計操作H:如下：其中，是第i幅圖像中顏色m出現的頻率，m＝{0,1,2…,Ni}；而H(□)操作包括從小到大的排列。(2-4)統計出現頻率高的顏色并確保這些顏色覆蓋95％像素，其余顏色用與其顏色距離差最近的顏色替代，具體步驟如下：其中，表示需要累加得到的顏色數目，k表示截斷時第k種顏色的索引。顏色舍去閾值被定義為：C1＝0.05×m×n(7)最大限度的截斷范圍Mi定義如下：Ni-k≥256條件表示當累加到5％的像素數目時，如果剩余的顏色數目仍然超過256，為了避免過多顏色的相似性，就取Mi＝256。每個像素的顏色索引函數如下：其中，表示像素點的統計函數。圖像的顏色可以被截斷為U1和U2兩部分:對于每一個像素量化函數如下：其中，公式(11)定義的函數表明出現頻率較低的顏色將會被最相似的顏色所替代。此時，圖像集被重新定義為：本專利技術先使用超像素將圖片分割為小區域，超像素的優點在于可以更好的保存圖片的邊緣，然后以小區域為節點像素重新合成一幅圖像，選取小區域中每個通道顏色的平均值作為新圖像的對應像素的顏色值,新圖像的通道數和原圖像相同，最后使用MeanShift方法分割新的圖像圖,再根據原來圖的標號圖像將降采樣后的圖像還原到原來的圖像。上述步驟(3)所述的利用分割圖像得到量化圖像對應的分割區域并進行區域對比計算獲取第i個區域的顯著值從而獲得顏色分顯著性圖，將權利要求1的分割圖像與步驟(2-4)的量化圖像結合計算初始顯著圖，其計算式為：其中，S(sk)表示分割區域sk的顯著值；w(si)是區域si的權值，用來控制它對區域sk顯著值的影響，這里取區域si中像素點的個數作為它的值；Ds(sk,si)是區域sk和si之間的空間距離，這個距離指的是兩個區域重心之間的歐氏距離；σ2用來控制空間權值強度。Dc(sk,si)是區域sk和區域si之間的顏色距離度量，計算公式如下：其中，f(ck,i)是分割區域sk中第i種顏色在該區域所有顏色ck出現的頻數，k＝{1,2}；c1和c2分別表示區域s1和區域s2的顏色總數目上述步驟(4)所述的提取每個區域的GABOR，其計算式如下：其中，ST(i)代表區域i(i在1到TR之間)的紋理分顯著性值，N(i)為區域i包含像素的總量，TR為圖像分割的總塊數，M(i)為GABOR濾波后屬于第i個區域各系數的均值，V(i)為GABOR濾波后屬于第i個區域各系數的方差，M(i)由公式18計算得到。其中，p代表4個尺度，q代表6個本文檔來自技高網...

【技術保護點】
針對復雜紋理圖像的圖像顯著性分析方法，其具體步驟如下：?(1)運用基于超像素分割方法將原始圖像分割成K個超像素，1≤i≤K；?(2)在超像素分割的基礎上進一步使用MEANSHIFT方法進行聚類；?(3)得到最終的分割結果進行全局區域對比得到顏色分顯著性圖；?(4)對每個區域提取GABOR紋理特征；?(5)對紋理特征也采用全局對比得到紋理分顯著性圖；?(6)將兩個分顯著性圖融合為總顯著性圖。

【技術特征摘要】
1.一種針對復雜紋理圖像的圖像顯著性分析方法，其具體步驟如下：(1)運用基于超像素分割方法將原始圖像分割成K個超像素；(2)在超像素分割的基礎上進一步使用MEANSHIFT方法進行聚類；(3)得到最終的分割結果進行全局區域對比得到顏色分顯著性圖；(4)對每個區域提取GABOR紋理特征；(5)對紋理特征也采用全局對比得到紋理分顯著性圖；(6)將兩個分顯著性圖融合為總顯著性圖，其中，上述步驟(6)將兩個分顯著性圖融合為總顯著性圖包括：定義融合比例為Y，Y由公式(24)確定：其中maxVariance為各區域紋理方差的最大值，K，T為系數，K取1600，T取5，融合后的顯著性圖中每個像素(x,y)的顯著性值由公式(25)定義：S(x,y)＝SC(x,y)2+Y*(TS(x,y))2(25)其中SC(x,y)為RC方法得到的像素(x,y)的顏色顯著性分量，TS(x,y)為像素(x,y)的紋理顯著性分量。2.如權利要求1所述的針對復雜紋理圖像的圖像顯著性分析方法，其特征在于，所述圖像顯著性分析方法還包括對所述原始圖像進行量化及高頻顏色篩選的步驟：(2-1)將原始圖像RGB通道的顏色值量化為12個不同的值，其計算式為：其中，x＝1,2,3…,m；y＝1,2,3…,n；分別表示原始圖像中像素點在RGB空間每個通道的顏色值；分別表示量化后圖像中像素點在RGB空間的每個通道的顏色值；Int(.)表示將浮點型轉換為整型，此時圖像集被重新定義為如下：其中，D1表示第一圖像集，所述第一圖像集中的元素代表每個圖像；(2-2)對于每個像素通過下面的公式結合三個通道的顏色值：其中，表示三通道值經過轉化后，得到的單通道值；此時圖像集被重新定義為一個矩陣集：其中，D2表示矩陣集，所述矩陣集中的元素表示單個矩陣；(2-3)通過一個有序的統計直方圖去獲得每種顏色出現的頻率，對于每一個顏色頻率統計操作如下：其中，是第i幅圖像中顏色ω出現的頻率，ω＝{0,1,2…,Nθ}；而顏色頻率統計操作包括從小到大的排列；(2-4)統計出現頻率高的顏色并確保這些顏色覆蓋95％像素，其余顏色用與其顏色距離差最近的顏色替代，具體步驟如下：其中，表示需要累加得到的顏色數目，k表示截斷時第k種顏色的索引顏色，舍去閾值被定義為：C1＝0.05×m×n(7)最大限度的截斷范圍Mi定義如下：Nθ-k≥256條件表示當累加到5％的像素數目時，如果剩余的顏色數目仍然超過256，為了避免過多顏色的相似性，就取Mi＝256，每個像素的顏色索引函數如下：其中，表示像素點的統計函數，fji表示第i幅圖像中顏色j出現的頻率；圖像的顏色可以被截斷為U1和U2兩部分:對于每一個像素量化函數如下：其中，

【專利技術屬性】
技術研發人員：陳志華，劉怡，袁玉波，張靜，
申請(專利權)人：華東理工大學，
類型：發明
國別省市：上海;31