[发明专利]一种图像显著区域检测方法

说明书

技术领域

本发明涉及计算机图像处理领域，特别是涉及一种图像显著区域检测方法。

背景技术

从计算机模拟人类视觉的角度看，图像显著区域检测意在让计算机模拟人类视觉系统，自动定位图像/视频中的显著性区域。人类视觉系统（Human Visual System，简称HVS）具有在面对复杂场景时，能够迅速将注意力集中在少数几个显著的视觉对象上的能力，这个过程又称为视觉注意。图像处理时，由于可以通过显著性区域来优先分配图像分析与合成所需的计算资源，所以检测图像的显著性区域意义重大。提取出的显著性值的灰度图像可以广泛的应用于计算机视觉领域，包括对兴趣目标物体的图像分割，目标识别，自适应压缩，内容感知图像编辑，和图像检索等。同时，对图像的显著性区域的检测研究反过来对研究人类视觉系统的信息加工也有帮助。

图像显著区域检测方法即是要得到待处理的图像中每一像素点的显著性值，根据显著性值得到对应的显著性灰度图。现有的图像显著区域检测方法中，有针对各个像素点单独计算显著性值的，得到的灰度图结果精确，但计算量非常大。也有一些检测方法中，计算显著性值时以用某个像素和整个图像的平均色的色差来直接定义显著性值，但方法中只考虑了一阶平均颜色，分析复杂多变的自然图像时精确度不高，同时方法中也没有考虑到像素点的空间关系对精确度结果的影响。

发明内容

本发明所要解决的技术问题是：弥补上述现有技术的不足，提出一种图像显著区域检测方法，计算量较小，且得到的显著性灰度图的精确度较高。

本发明的技术问题通过以下的技术方案予以解决：

一种图像显著区域检测方法，包括以下步骤：1）色彩空间转换：将待检测图像从RGB色彩空间转换为CIELab色彩空间；2）分块划分：将所述步骤1）处理后的待检测图像划分为N块包含n×n个像素点的像素块；n的取值由用户对区域检测方法的计算量和计算结果精确度的要求综合设定；3）分别确定N块像素块的初始显著性值S₁（1）、S₁（2）、……、S₁（k）、……、S₁（N）；4）使用各像素块在CIELab色彩空间中的颜色距离对步骤3）得到的初始显著性值进行修正，得到N块像素块的显著性值S（1）、S（2）、……、S（k）、……、S（N）；5）对步骤4）得到的N块像素块的显著性值进行归一化操作后得到待检测图像的显著性值的初始灰度图像；6）对步骤5）得到的初始灰度图像进行双边滤波，得到待检测图像的显著性值的灰度图像。

本发明与现有技术对比的有益效果是：

本发明的图像显著区域检测方法，将待处理图像中像素按网格划分为像素块，设定像素块中的每一个像素的显著性值相同，从而以像素块为单位计算像素块的显著性值，相对于每一个像素点单独计算显著性值而言，计算量显著减小。而虽然按网格划分像素块会丢失边缘信息，但后续使用双边滤波对得到的初始灰度图像进行保边去噪的处理，使得最终得到的显著性灰度图的边缘信息完整，确保得到的灰度图的边缘信息不会受到分块划分的影响。同时，本发明图像显著区域检测方法中计算显著性值时，转换到CIELab色彩空间中进行计算，且以CIELab色彩空间的3个通道的颜色数值计算，没有忽略为单一的亮度值，同时考虑到像素点的空间关系，使用空间颜色距离对显著性值进行修正，从而从以上三个方面确保得到的显著性值的精确度较高。即本发明的图像显著区域检测方法能减小计算量，同时得到的显著性灰度图的精确度也较高。

附图说明

图1是本发明具体实施方式中的图像显著区域检测方法的流程图。 

具体实施方式

下面结合具体实施方式并对照附图对本发明做进一步详细说明。

如图1所示，为本具体实施方式中的图像显著区域检测方法的流程图。

U1）色彩空间转换：将待检测图像从RGB色彩空间转换为CIELab色彩空间。

本具体实施方式中，运用如下简单的转换关系式进行转换：

L = 0.2126 * R + 0.7152 * G + 0.0722 * B

a = 1.4749 * (0.2213 * R - 0.3390 * G + 0.1177 * B) + 128

b = 0.6245 * (0.1949 * R + 0.6057 * G - 0.8006 * B) + 128