[发明专利]一种检测彩色图像的感兴趣区域的方法

说明书

技术领域

本发明涉及一种彩色图像中感兴趣区域的自动检测方法，该方法针对彩色的图像自动检测出人们在第一眼看到图像所注意的那部分区域，具体涉及一种检测彩色图像的感兴趣区域的方法。

背景技术

近年来，随着第三代移动通信技术和多媒体处理技术的迅速发展，便携式移动多媒体终端也越来越流行。但由于携带的便利性、费用原因，便携式多媒体终端的屏幕一般都不大。这样，便需要对所要显示的图像、视频等内容进行自适应的处理，以适应尺寸不大的各种显示屏幕的要求。其中一个重要的课题便是找到所要显示内容的最关键区域，这个最关键的区域便要求是图像或视频最具有代表性的部分，同时也应该是用户最关注最感兴趣的区域。视频也可以看成是一帧帧图像的组合，所以我们把自动检测图像的感兴趣区域作为本发明所针对的课题。

图像的感兴趣区域的检测从理论上讲便是找到图像所突出的部分，从实际操作上来说也便是找到图像的前景部分。理论研究中，把吸引用户注意的图像区域称为视觉注意力部分VA(Visual Attention)，一般通过对仿生学生物神经系统、计算机视觉和模式识别等方面的研究来确定VA。

如上所述，VA是一幅图像上人在第一眼会自动注意到的部分，这一部分的图像在某些特性上(颜色，形状，纹理或者其他)与周围不同而显得突出，是图像的前景部分。传统的检测VA的方法是自底向上的，在“Itti，L.，C.Koch，in IEEE Tran.Pattern Analysis and Machine Intelligence，vol.20，no.11，pp.1254-1259，Aug.1998，A model of saliency-based visual attention for rapid scene analysis.”中Itti根据Treisman的特征整合理论FIT(Feature Integration Theory)提出了一种详尽的基于显著图SM(Saliency Map)的检测VA的理论。在文中，Itti利用高斯金字塔和Gabor滤波来获得图像上每个位置的某种特征与周围区域的差异，把图像所有像素点上的差异进行归一化便可以得到这个图像在此特征下的特征图FM(Feature Map)。Itti选取了2个颜色特征，1个亮度特征和4个方向特征，再把这些特征图进行有侧重的加权相加，最后得到显著图，在此显著图上检测VA。在这个检测VA的经典理论的基础上，专家们又提出了各种具体实现的方法，但基本都是自底向上的、基于中心环境差异的。这类经典方法的运算量很大，还有一个不足之处在于这个检测的结果对各种参数的设定很敏感。

近来，Hou在“X.Hou，L.Zhang，Proc.of CVPR，vol.1-8，pp.2280-2287.June，2007，Saliency detection：A spectral residual approach”中提出了一种新的检测VA的方法，这种方法认为一般的图像都会有某种共性，每幅图像都是在这个共性上加入一定的特性，而这个特性便是人视觉所特别关注的部分。在实现上，这个SR(Spectral Residual)方法用目标图像的幅度谱的对数减去自然图像共有属性的幅度谱的对数，得到的残余幅度谱结合目标图像的相位谱，从而得到图像时域的特征图，这个特征图能突出图像的VA部分。而这个方法认为，自然图像共有属性的幅度谱能用对目标图像幅度谱平滑滤波的方法近似得到。之后，Guo在“C.Guo，Q.Ma and L.Zhang，Proc.CVPR2008，vol.pp.1-8，June 2008，Spatio-temporal Saliency detection using phase spectrum ofquaternion Fourier transform”中认为，上述方法中VA能在特征图上显现出来的关键因素并不是残余幅度谱，而是相位谱，只利用相位谱便能到检测到图像的VA。后来，又有专家指出，这种利用图像频域信息的方法只能检测出简单图像的前景(VA)和背景部分，如图(1-a)所示，是适用于当图像前景部分比较复杂而背景比较简单的情况。经过一个简单的反转也能检测出前景简单背景复杂的情况，如图(1-b)中所示。而对于较复杂的图像，如图(1-c)和图(1-d)这种方法的准确率就不高了。

发明内容

本发明的目的在于，为克服现有的图像频域信息的检测方法受限于彩色图像种类的缺陷即现有的频域信息检测方法只能比较准确的检测出背景简单前景复杂或背景复杂背景简单这两种类型的彩色图像中感兴趣的部分，从而提供一种检测彩色图像的感兴趣区域的方法。