[发明专利]全局颜色对比度检测和分割显著图的方法

说明书

本发明属于彩色图像处理技术领域，具体一种全局颜色对比度检测和分割显著图的方法。本发明方法包括显著性检测和显著图分割，显著性检测采用全局颜色对比度方法，显著图分割采用动态阈值方法。本发明首先通过提取全局颜色对比度的特征获取初步的显著图，然后再利用颜色离散度和空间信息来进一步提高它们的显著性；以上述生成的显著图作为初始值，通过迭代动态更新的阈值，来分割多个显著性目标。在公开Achanta数据库上的实验结果表明：本发明在ROC曲线上的表现优于文献报道中的方法，并且适用于多目标的检测与分割问题。

技术领域

本发明属于彩色图像处理技术领域，具体涉及全局颜色对比度的显著性检测和分割方法。

背景技术

任一时刻，环境中均存在大量的视觉刺激。经过漫长的进化，人类视觉系统(HumanVisual System,HVS)能够从复杂环境中，快速提取感兴趣的目标与区域，以降低视觉信号处理的复杂度。这些引起视觉注意力的局部区域，通常被称为显著性区域(saliencyregion)。将场景中各个区域的显著性，进行归一化后得到的图像则称为显著图(saliencymap)^[1]。

在图像处理与计算机视觉中，鲁棒准确的显著性区域自动检测算法具有重要的实用价值。这是因为从计算复杂度角度考虑，一些图像的处理任务，常常无法做到对视觉场景中的全部视觉信息同时进行处理，这时，希望显著性强的区域获得更多的计算资源。其主要的应用场景包括目标检测与追踪、自适应图像压缩、图像编辑、图像质量评估等。

近年来，文献报道了大量显著性检测算法^[1]-[6]。大部分此类算法试图利用亮度、颜色、边缘等底层特征，来确定某一区域与其周围区域的对比度，以计算获取显著性区域。其中，基于局部对比度的方法，是利用图像区域相对于邻域的稀缺性来检测显著性。如经典的IttiKoch^[1]方法，就是利用多尺度图像特征的中心与环绕差异来计算显著图，而文献[2]则提出了基于傅立叶变换相位谱的方法。另一类是基于全局对比度的方法，它们根据图像区域相对于全局的对比度差异来计算显著性，包括R Achanta等人在文献[3]提出的基于频率调整的显著性检测与分割算法，文献[4]报道了最大化显著性密度函数的方法。这些现有报道算法的主要缺点是：基于局部对比度类的算法，往往是通过检测图像边缘来计算显著性，因此只有目标的边缘才可以产生较高的显著性；而其他一些算法则只能检测全局最大显著性，因而不适用于多目标检测问题；忽略图像部分空间关系的算法，则未有效利用空间信息等等。

发明内容

本发明的目的在于提供一种能够应对不规则背景干扰，检测与分割正确性高的全局颜色对比度检测和分割显著图的方法。

本发明提供的全局颜色对比度检测和分割显著图的方法，包括两部分：显著性检测和显著图分割；其中：

(一)显著性检测，采用全局颜色对比度方法，具体步骤为：

1.1全局颜色对比度分析

在彩色图像中，一个彩色像素点通常由RGB三个通道联合加以表示。如果将彩色图像从RGB空间转换到L*a*b空间^[7][8]，那么其中的L分量就描述了像素点的亮度，而a和b分量则描述了像素点的色度。如果定义像素点I_i的颜色为c_i，那么c_i在L*a*b空间就可以表示为c_i＝(L_i,a_i,b_i)，这样像素点I_i和I_j的颜色对比度则可定义为c_i和c_j的欧式几何距离，即：