[发明专利]一种基于Stentiford视觉模型的优化方法

说明书

本发明涉及一种基于Stentiford视觉模型的优化方法，设计引入Uniform LBP算法和直方图统计方法，解决传统的Stentiford视觉模型模型随机性过大，对细节过于敏感，计算耗时的缺点，并且实验证明，本发明所设计方法能够大幅提高图像区域提取的效果，而且大大提高了处理速度，图像处理效率显著提升，具有较强的实用价值。

技术领域

本发明涉及一种基于Stentiford视觉模型的优化方法，属于图像处理技术领域。

背景技术

近年来，随着多媒体技术和计算机网络的飞速发展，数字图像的容量急剧增长。只针对图像感兴趣区域运行对应算法，一方面可以降低数据的规模,从而提高运行效率；另一方面也可以减少非ROI对结果造成的干扰。因此图像感兴趣区域的提取技术已成为目前研究的热点问题。

目前基于图像的感兴趣区域提取(region of interest简称ROI)方法有很多，但是大体方法可分为四类。

(1)人工指定的的方法，如(B Moghaddam,H Biermann,D Margaritis.Definingimage content with multiple regions-of-interest[J].IEEE Workshop on Content-Based Access of Image and Video Libraries,1999.)，是通过用户根据自己的知识手工指定区域，此种方法的优点是机器可准确理解用户的真实意图，但是由于过程过多的人工参与，所以交互过程不友好。

(2)人眼视点追踪法，如(SR Research Ltd.EyeLink II user manual version2.12[R].Canada:SRResearch Ltd.,2006.)是通过特制的仪器设备捕捉人眼观察图片时视点位置，记录注视时间、注视坐标点和眨眼反应等指标，建立数学模型得到对比显著性水平，从而初步得到的ROI，优点是可以很好地反应观察者注意区域，但由于过程中需要专业设备，对于用户应用存在实践性差的特点。

(3)特定对象的分割方法，如(LItti,C Koch,E Niebur.Amodel of saliencybased visual attention for rapid scene analysis[J].IEEE Transactions onPattern Analysis and Machine Intelligence,1998,20(11):1254-1259.)包括传统的图像分割方法。例如，分水岭方法、小波变换方法等等，这些方法针对性比较强，只对于某些特定图像效果十分理想。因此可知，此方法隐藏了一个前提，即特定对象要是感兴趣区域。

(4)视觉注意模型方法，如(F W M Stentiford.An attention based similaritymeasure with application to content based information retrieval[C].Proceedings of the Storage and Retrieval for Media DatabasesConference.Bellingham:Society of Photo-Optical Instrume ntation Engineers,2003:221-232.)是模拟人眼视觉特性而建立的模型，构建视觉显著图。其中，著名的两个模型是Itti视觉模型和Stentiford模型。Itti视觉模型对于物体颜色变化大的图像效果理想。但对于显著物体较大、颜色均匀和图像中有反常点的图像效果较差。Stentiford模型比Itti视觉模型效果更为清晰和准确。然而Stentiford模型有一些缺点制约了其应用范围。首先，算法中是对某像素邻域结构随机选取，这使得结果带有过大的随机性。其次，算法对于细节过于敏感，造成不均匀的背景中成大片区域当做目标区域。最后，计算量大，严重占用资源，耗费大量时间。

发明内容