[发明专利]一种利用稀疏基的协同显著性检测方法

说明书

技术领域

本发明涉及一种利用稀疏基的协同显著性检测方法，可以检测多幅图像的共同显著性目标。

背景技术

随着多媒体技术的发展，图像已经成为一种信息载体的重要方式。面对浩瀚的图像数据如何才能快速准确的处理成为了一个富有挑战且亟待解决的课题。在图像处理和分析中，人们所关心的只是图像中的一小部分内容，即所谓的显著区域，这通常称为前景或目标。近几年来，显著性的研究已经广泛应用到计算机视觉的各个领域，如目标识别，图像的分割，图像检索和视频检索等。

尽管图像显著性的研究取得了很多成果，但是仍有许多问题没有解决。什么是显著性，如何评价显著性并没有一个很好标准。心理学家研究表明人类视觉系统从一个场景中获得显著性特征，只关注那些感兴趣的部分，而不关注不相关的其他部分。然而，在众显著目标中哪一个是最显著的？以前的研究中主要是对一个单幅图像找到它的显著目标，可是当我们面对多幅图像时，那些在每幅图像中都存在的相同部分，我们则更加感兴趣。

发明内容

要解决的技术问题

本发明要解决的技术问题是：如何快速有效的检测出多幅图像中的共同显著性目标。本发明提供了一种基于稀疏基的协同显著性检测方法。

为解决上述技术问题，包括以下步骤：

步骤1：将M幅自然图像调整为120×160大小，提取调整后的每一幅图像中所有互不相交的8×8子图像块，得到300×M个8×8子图像块；然后对每个图像块在红、绿、蓝三个通道的灰度值拉伸，得到一组含有300×M个192维向量的向量组；

步骤2：对步骤1得到的192维向量组利用独立变量分析ICA算法得到一组互信息最小的稀疏特征基A，令K＝A^-1作为一个滤波器集合，k_i为K的第i行；

步骤3：提取测试图像I₀，I₁，I₂，L，I_n中所有的8×8子图像块，对每个图像块将红、绿、蓝三个通道的灰度值拉伸成192维向量组(τ＝0，1，2，L，n)，其中每一列对应一个子图像块；

步骤4：使用滤波器集合K，对输入图像的子图像块进行滤波，计算每个子图像块滤波响应的绝对值；对显著性系数的子图像块相应绝对值相加并规范化得到图像I_τ的第i个特征分布：