提出一种结合全局和局部对比度的数据驱动自底向上的视觉计算模型,采用高斯多尺度变换和颜色复杂度计算相结合的方法检测图像的显著区域。图像经过高斯金子塔多尺度变换后,用改进的冗余计算方法,在频域中消除全局冗余信息,初步将大范围的目标从周围环境中分离出来,并均匀地突显目标,利用多尺度特征子图点对点平方融合使全局显著区域显著度进一步增强,背景冗余信息进一步得
仪
器
仪
表
学
报
第 33卷
别等领域,于视觉注意显著图的生成方式还没有形成基
明邻近区域有着更大的色彩变化,即局部显著度越高;反之,复杂度越小,明邻近区域内色彩变化更小,颜色说局
统一模型。同时由于检测的显著区域可以广泛应用于许多计算机视觉领域,括对感兴趣目标分割和提包
部显著度越小。3 )图像背景在多尺度上都具有相似性,而显著点只在一些尺度上具有相似性,多尺度融合能进一步突出显著区域,消弱冗余信息(如背景)的显著值。
取、目标识别、图像压缩和图像检索等,以通过所计算来检测图像的显著性区域意义重大。 显著区域提取主要分为两大类别:一类是基于低级 视觉特征,由数据驱动的自底向上的视觉计算模型;一另的视觉选择注意模型。目前主要研究第 1模型,这类在
2
结合高斯多尺度变换和颜色复杂度计算类是基于高级视觉特征,与任务、知识等相关的自顶向下的显著区域检测模型 类模型中,显著性计算主要分全局对比度计算、局部对比 度计算或者两者兼顾,这些方法利用亮度、颜色、纹理、边缘等底层特征来决定图像某个区域和它周围的对比度。 目前的视觉注意显著区域检测算法以局部对比度算
本文提出的显著区域检测模型如图 1所示,中视其觉显著度用一幅灰度图(称为显著图 )表示,每个像素灰度值表示输入图像相应位置的显著程度。本文算法的创 新和改进主要体现在:)余算法的改进; )斯多尺 1冗 2高度融合算法改进:尺度特征显著子图通过点对点显著多
法为主,其中以 Ii提出的算法最具有代表性, t t 该算法在多尺度下将多种特征通过中心一围的差异得到的显著性周度量结果合成为一幅显著图,但该显著图为输入图像大小的 126且原图像中的目标区域通常被分割成几个不相/5,连的部分,利于后续处理。 Hrl不 a等人 e叫提出基于图论 的算法,种算法在特征提取的过程中用类似于 Ii这 t算法 t
值平方相加而不是传统的线性相加来增强显著区域与非 显著区域的对比度;)出采用基于区域与其多个尺度 3提
邻域对比差异和的颜色复杂度计算方法获取局部显 著图。
去模拟视觉原理,在显著图生成的过程引人马尔可夫链, 用纯数学计算得到显著值。A hn cat a等人通过像素与其多个尺度领域对比的差异和来计算像素的显著度,而产从生全分辨率的显著性图。最近, o ra G f m n等人根据新 e
提一度r=黧托一取多变Ir I 尺换iI 豳平’={ i篁化归 合
I基于多尺度邻域颜色复杂度计算的局部显著性度量+并
颖的特征和颜色应该具有高显著度且显著点应该是集中 分布的而不是分散在图像中的观点来计算显著区域。这些利用局部对比度的方法倾向于在边缘部分产生高显著 性值,而不是均匀地突出整个物体。 基于全局对比度的显著性区域计算方法有: ca. A hn
图 1显著区域检测模型 F g e e t n mo e fs l n e i n i .1 D tc i d l a i tr go o o e
2 1高斯多尺度变
换的全局性显著度量 .显著性依赖于它自身和环境的差异,据人类视觉根特点,通常首先注意到的是图像中最与众不同的地方,也就是全局差异高的地方,局差异高的地方一般在某些全
t通过计算像素与整个图像的平均色的色差来直接定 a 义显著性值,得到与输入图像大小相同的显著图,该方法简单、快速,对背景简单的图像取得不错的效果。张菁¨ 提出由视觉模型产生的局部显著和进化规划计算的全局 显著共同度量来检测显著区域,方法对大目标难以实现此可靠的检测。H uXad o i i在频谱域上分析显著区域的 o特征,在空间域上构建相应的显著图,算法与 Ii然后该 t的 t算法相比,在计算速度和检测效果上有一定的优势,该但
尺度上具有新颖性。通过高斯金字塔将图像分解到不同尺度上,在每个尺度层上通过去除冗余的方法可以找到该层上新颖的区域,这些区域能得到较高的显著值;而图 像中的背景在每个尺度层上因为都具有相似性,过去通
冗余计算在每个尺度上都得到较低的显著度。最后多尺度子图通过平方合并能使每个尺度中显著值大的点值更
算法的缺陷是倾向于小目标检测而且只考虑了一种固定 的尺度 (4× ) 6 6。张巧荣对 H uXad算法进行多尺 4 o i i o
大,而背景相似区域显著值小的点值更小,从而进一步加大了背景和目标的对比度。 2 1 1视觉特征的选取与高斯多尺度变换 ..
度改进,由于冗余计算部分依旧采纳 H uXad的算但 o i i o法,且多尺度也只是通过对图像直接采样来降低数据量的 方法,因此该算法对大目标的图像检测效果还有待改进。 本文提出一种结合高斯多尺度变换和颜色复杂度计算的图像显著区域检测,算法的思想是:)显著目标应该 1
在没有高层任务信息指导的情况下,图像的显著性可 以通过一些底层特征体现出来,由于 H V颜色空间反映了 S
人观察彩色的方式,亮度分量与图像的彩色信息无关,而 色调和饱和度分量与人类感受颜色的方式是紧密相连的,
具有全局稀有性,中相似的同特征 (图像冗余特征 )不会得到重视,而不一样的新颖的特征则会突显出来。2 )像素点的颜色复杂度与人眼视觉系统相关,颜色复杂度越大,说
这使得 H V
颜色空间非常适合于人类的视觉系统来感知 S彩色特性的图像处理方法。所以本文选择色调、饱和度和 亮度作为视觉特征,过实验的验证,果不错。通效

颜色 、 曲率 ), 并应用多 尺度高斯滤波器计算显...目前的显著区域检测算法可分为两大类 ,第 一类是... 复杂度等 ; 第二类是基于视 觉反差的算法,主要...
的细变化, 而大尺度参数的边缘检测算子能够检测出...由于 实际情况的复杂性, 这个尺度比较难于自适应确定...用于卷积图像的模板尺寸 Ρ 为高斯函数的空间常数, ...
此外还有其他尺度不变检测子,例如 Kadir and Brady[17]提出的显著区域 检测子,...这种高斯 二阶倒数近似可以利用积分图, 大大减少计算复杂度。计算时间也不依赖于...
小 波变换是一种多尺度多通道分析工具,比较适合对...“调焦”而改变高斯函数的标准差可选择所检测边缘的...小波变 换的计算复杂度较低,抗噪声能力强。 理论...
Harvilh等人结合图像的空间深度信息和色 高斯混合模型...融合高斯混合模型和小波变换的运动目标检测 测出多...的k值能体现更复杂的场景,但同时消耗更多的计算时间...
基于多尺度区域的图像颜色校正算法_信息与通信_工程...间的映射关系实现颜色空间转换,其中的代表方法是矩阵...我们对校正后的图像进行高斯滤波处理,有效增加其 ...
采用高斯金字塔对原始图像进行多尺度 滤波变换 ,抑制...大小以 1/ 4 倍率减小 ,降低 了计算的复杂度 。...得到了闭合性较好的有意义区域 ,较好地 解决了传统...
线性时间复杂度;最后,还给出了在显著性分布图中抑制...因为基于输入图像的高斯金字塔计算了亮度、颜色俾.G...计算局部区域的多个特 征通道的多尺度信息.本文...
数多, 所以对检测和识别方法 的速度、 复杂度都有...候选区域, 对每个候选再区 提取 尺度不变特征变换(...tp 使用高斯金字塔低通滤波器对其进行滤波 . 高斯...
找出目标的颜色分布然后搜索与之最匹配的区域, 即为...文献提出了基于小波变换的多尺度边缘提取法,将边缘...检测边缘, 降低了计算的复杂度, 获得了较好的 检测...
热门文档