[发明专利]一种基于等照度线的图像显著度计算方法

说明书

技术领域

本发明涉及图像显著度检测技术领域，具体涉及一种基于等照度线的图像显著度计算方法。

背景技术

对于广大研究人员来说，人类视觉系统始终是一个神奇的领域。其可以用一种令人惊叹的效率和准确率处理周围复杂的场景，准确的找到场景中与当前任务最相关的信息。每时每刻人们都被海量的信息包围着，这些信息甚至远远大于人类大脑所能处理的能力。人类视觉系统可以有效的对这些信息进行过滤，去掉无用的冗余信息保留最有用的信息，而这一切都是在瞬间完成。著名心里学家WilliamJames早在1890年就给出了关于人类感知系统这种特性的定义：“Everyone knows what attention is.It is the taking procession by the mind,in clear and vivid form,of one out of what seem several simultaneously possible objects or trains of thought”。

在计算机视觉中，图像或视频中对象的检测与识别是最为基础也是研究最为广泛的领域。但如何做到快速、准确的实现这个目标却是摆在众多研究者面前的难题。一般来说，对图像中对象进行检测识别属于NP难度问题。为了提高识别的效率，一般都是采用启发式或者对待识别对象进行一定的限制，如大小、颜色等。为了提高对象识别的实用性，在识别之前对场景进行分析，提取场景中最重要区域是必不可少的。

图像显著度信息就是指图像中较为重要的或与当前任务相关的局部区域。有效的检测出图像中较为重要的子区域对于图像后续处理，如对象检测与识别、图像分段等有着重要的意义。因此，近年来图像显著度信息提取始终是一个很热的研究领域。一般来说，图像显著度信息提取算法可以分为基于生物视觉理论算法和基于数学算法两种。

如公开号为CN102509299A的中国专利文献公开了一种基于视觉注意机制的图像显著区域检测方法，该方法包括：首先，对一幅原始图像进行强度特征和颜色特征提取，其中颜色特征包括RG颜色分量和BY颜色分量，得到三幅特征图；其次，对三幅特征图进行视差计算，得到三幅相应的视差图；再次，根据三幅视差图计算出三个相应的权值系数；最后，根据三个权值系数，对三个视差图进行线性整合，得到最终的视觉显著图。

如公开号为CN102496157A的中国专利文献公开了一种基于高斯多尺度变换及颜色复杂度的图像检测方法，该方法先将原始图像从RGB颜色空间分别转化到HSV颜色空间和颜色空间，然后在HSV颜色空间中计算全局显著图，在颜色空间中计算局部显著度，然后再将计算出来的全局显著图和局部显著度进行归一化合并，从而得到总视觉显著图。

但当前的方法计算过程较为复杂，如需要对图像进行缩放，需要采用不同的算法对不同的图像特征子通道图提取显著信息，需要训练过程等；不仅如此，提取得到的图像显著信息还存在易于丢失、易受复杂背景和图像噪声干扰等问题。

发明内容

本发明提供了一种基于等照度线的图像显著度计算方法，该计算方法过程简单高效，获得的最终图像显著度图不存在信息丢失的问题。

一种基于等照度线的图像显著度计算方法，包括：

（1）将待处理图像分为CIELAB颜色空间中的三个图像子图，分别对应a分量、b分量和L分量；

（2）获取每个图像子图的潜在结构位置信息和全局显著性信息；

（3）计算特征子通道显著图并构建最终的图像显著度图。

本发明根据生物视觉原理，利用基于等照度线算法、中心与局部对比策略和全局与局部相融合策略实现待处理图像的显著性信息提取，提取的显著性信息不仅准确性高，不含其它噪声，并且不存在信息丢失的问题。

步骤（1）中，根据CIELAB颜色空间理论对待处理图像进行预处理，把待处理图像分为三个图像子图，分别是：亮度子图，对应L分量；红-绿变化子图，对应a分量；蓝-黄变化子图，对应b分量。

CIELAB空间是惯常用来描述人眼可见的所有颜色的最完备的色彩模型，该色彩模型具有极好的感知均匀性，其中分量L密切匹配人类亮度感知。将待处理图像分为三个图像子图后，即可方便地通过修改a和b分量的输出色阶来做精确的颜色平衡，或者用L分量来调整亮度对比。这种特性是其他颜色空间很难甚至是根本不可能实现的。

预处理完成后，计算每个图像子图的潜在结构位置信息和全局显著性信息。