[发明专利]基于视觉注意模型的感兴趣区域检测方法

权利要求书

1.一种基于视觉注意模型的感兴趣区域检测方法，其特征在于，包括以下步骤：

步骤一、建立多尺度图像结构

一幅二维图像，在不同尺度下的尺度空间表示可由输入图像I(x,y)与高斯核G(x,y,σ)卷积得到：

L(x,y,σ)＝G(x,y,σ)*I(x,y) (2)

式(2)中，(x,y)代表图像的像素位置，σ称为尺度空间因子，其值越小则表征该图像被平滑的越少，相应的尺度也就越小，大尺度对应于图像的概貌特征，小尺度对应于图像的细节特征，L代表了图像的尺度空间；

步骤二、初级视觉特征提取

1、亮度特征提取

如果是彩色视频图像，r、g、b分别表示图像中的红色、绿色和蓝色，则亮度计算公式为：

I＝(r+g+b)/3 (3)

如果是灰度图像，则灰度特征直接选取每个像素的灰度值即可；

2、颜色特征提取

定义R、G、B、Y分别为红、绿、蓝、黄4个颜色通道，则：

Y＝(r+g)/2-(r-g)/2-b

则RG和BY通道为：RG＝R-GB，Y＝B-(R+G)/2；

3、方向特征提取

方向特征用Gabor滤波器来进行提取：

一维Gabor函数，即1D-Gabor函数：

式中，σ为高斯函数的标准差，w₀为复平面波的空间频率，x₀为1D-Gabor函数的中心点坐标，其1D-Gabor函数的奇、偶分量的公式分别为：

根据3σ原理，取l＝6σ/w₀；

二维Gabor函数，即2D-Gabor函数是在Gauss包络下的一个沿x轴的复变正弦波，二维Gabor函数表达式为：

二维Gabor函数的实部和虚部分别为：

θ是方向参数，σ越大能量越分散，越小越集中，有高频σ_h、低频σ_l两个中心频率；

方向角θ的选择：θ＝0,30,60,90,120,150，滤波器窗口为32*32，共有24个Gabor滤波器；

输入图像I(x,y)与Gabor小波核函数的卷积为：

r(x,y)＝∫∫I(ε,η)g(x-ε,y-η)dεdη (8)

Gabor小波变换后结果是复数，取复数的模||r(x,y)||的均值和方差作为小波变换的结果；

选用θ＝0,30,60,90,120,150六个方向的Gabor滤波器输出作为方向特征，通过(7)式获得六个方向的Gaobr滤波器，然后用这些滤波器对高斯金字塔结构的每一层图像滤波，得到对应的六个方向上的特征映射图；

4、运动特征提取

运动特征包括运动速度与运动方向两类特征；

1)运动矢量提取：采用背景减法来提取目标的运动矢量，通过计算图像中各像素点间的时域或空域上的关联性，以前一帧的背景为参考，计算当前帧的背景，然后将当前帧图像与其背景相减，得到差分图像，设第t帧图像为I(x,y,t)，对应的背景图像为B(x,y,t)，则差分图像为：

2)运动特征提取：根据所述差分图像，得到相邻两帧图像中每个像素点的运动距离D_ij(x,y)，将各像素的运动距离在0°、45°、90°和135°四个方向上投影，则得到各像素在四个运动方向上的运动距离，进而得到0°、45°、90°和135°四个方向的运动速度依次为：

步骤三、特征图与显著图计算

视觉注意模型的中央-周边操作是对中央层和周边层进行层间相减操作，即计算不同分辨率对应的大、小尺度的差，特征图E的数学表达式为：

E(c,s)＝|E(c)ΘE(s)| (11)

其中，Θ表示两个不同尺度图像的插值相减，即先对周边层进行插值，将像素数增至对应的中央层像素数后进行中央层和周边层的差操作，c代表中心尺度，s代表周边区域尺度，c∈{2,3,4}，即2、3、4层为中央层，s＝c+δ，尺度差δ∈{3,4}，即每个中央层对应的周边层为中央层的层数加3或4；

根据式(11)求得灰度、颜色、方向和运动特征的特征图：

灰度特征图：

I(c,s)＝|I(c)ΘI(s)| (12)

颜色特征图：RG(c,s)＝|(R(c)-G(c))Θ(G(s)-R(s))|

BY(c,s)＝|(B(c)-Y(c))Θ(Y(s)-B(s))| (13)

方向特征图：

O(c,s,θ)＝|O(c,θ)ΘO(s,θ)| (14)

运动特征图：

利用预设规格化算子N(·)将各类特征图进行融合，得到各类特征的显著图。

灰度显著图：

颜色显著图：

方向显著图：

运动速度显著图：

运动方向显著图：

为预设融合算法，特征显著图进一步归一化，相加得到综合显著图：

得到图像的综合显著图后，综合显著图中各位置互相竞争，获胜的位置成为注意焦点，构成感兴趣区域。