[发明专利]基于视觉注意模型的感兴趣区域检测方法

说明书

本发明涉及一种基于视觉注意模型的感兴趣区域检测方法，涉及图像处理技术领域。本发明对Itti视觉模型进行改进，加入了视觉注意机制模拟人的视觉感知过程，增加弹标的运动信息，使得检测结果更符合人的生理特征，对复杂背景下导弹弹标类小目标的检测效果有了明显提高。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于视觉注意模型的感兴趣区域检测方法。

背景技术

人们往往对感兴趣的对象付诸更多的注意，这是由于视觉注意是有选择性的，称为视觉选择性，或视觉显著性。当面对复杂场景时，视觉系统能迅速将注意力集中在场景中的某些显著区域。

感兴趣区(Regions Of Interest，ROI)是人们观察和理解图像时产生兴趣、关注或注意的区域，即图像中最能引起人们兴趣，最能表现图像内容的区域。它注意机制应用中提出的重要概念。感兴趣区可以认为是图像中最显著(saliency)的像素集合，即显著点或兴趣点的集合。如何从一幅图像中自动的提取出感兴趣区，就是感兴趣区检测技术。

感兴趣区检测，即显著性区域检测是利用计算机技术模拟人类视觉系统，使用视觉注意模型，提取图像的一些关键信息作为显著点，以显著点为中心的适当区域作为感兴趣区。感兴趣区域选择不是依靠场景区域的自身特征，而是依靠它与周围区域比较产生的相对特征，即视觉显著性。显著性强，被选为感兴趣区域。如何设计一种图像的感兴趣区检测方法，使得检测结果更符合人的生理特征成为亟待解决的技术问题。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何设计一种图像的感兴趣区检测方法，使得检测结果更符合人的生理特征。

(二)技术方案

为了解决上述技术问题，本发明提供了一种基于视觉注意模型的感兴趣区域检测方法，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：

R＝r-(g+b)/2

G＝g-(r+b)/2 (4)

B＝b-(r+g)/2

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：