[发明专利]一种适用于重定向图像质量评估的视觉注意融合方法

权利要求书

1.一种适用于重定向图像质量评估的视觉注意融合方法，其特征在于，包括以下步骤：

步骤S1：读取原始图像，使用两种显著物体检测算法生成两种显著性图；

步骤S2：使用均衡化操作减小两种显著性图的分布差异，生成两幅均衡化显著性图；

步骤S3：使用对应点的显著性值相加求平均的方法融合两幅均衡化显著性图，并使用归一化操作生成融合显著性图；

步骤S4：使用人脸检测算法和线条检测算法检测原始图像中的人脸和线条信息；

步骤S5：根据步骤S4检测到的人脸矩形框区域的面积和线条区域的长度，在约束放大极值的条件下，自适应地放大步骤S3得到的融合显著性图中的人脸矩形框和线条区域的显著性值，生成包含人脸和线条信息的融合显著性图；

步骤S6：使用显著性增强模型增加步骤S5得到的融合显著性图的对比度，并使用归一化操作生成视觉注意融合显著性图；

所述步骤S2中，使用均衡化操作在保护原始显著性图整体分布的同时，减小两幅显著性图的分布差异，以得到均衡化显著性图，计算公式为：

其中，S_p、S′_p分别是均衡化前、后像素p处的显著性值；参数t和b是自适应阈值，其计算公式为：

其中，w和h分别表示原始图像的宽和高；p_t表示第个位置，p_b表示第个位置，表示向下取整；S^d是步骤S1得到的显著性图S按显著性值降序排列后所得的序列，和分别表示序列S^d在p_t和p_b位置处相应的值；k是控制均衡化程度的参数；

所述步骤S5中，根据步骤S4检测到的人脸矩形框区域的面积和线条区域的长度，在融合显著性图的基础上自适应地放大人脸矩形框和线条区域的显著性值，并约束放大后的显著性值不超过最大值1，计算公式如下：

其中，和分别表示检测到的第i个人脸矩形框区域和第j个线条区域，a_i和l_j分别表示第i个人脸矩形框区域的面积和第j个线条区域的长度；A和L分别表示原始图像的面积和对角线的长度；C₁和C₂为相应的两个权值；

所述步骤S6中，使用显著性增强模型增加步骤S5得到的融合显著性图的对比度，并使用归一化操作生成视觉注意融合显著性图，包括以下步骤：

步骤S61：使用显著性增强模型增加融合显著性图的对比度，模拟重定向图像质量评估中的人眼视觉注意，计算公式如下：

其中，表示融合显著性图在像素p处增强后的显著性值，从而得到增强后的显著性图C₃为设定的权值；

步骤S62：对增强后的显著性图进行归一化操作处理，得到最终的视觉注意融合显著性图。

2.根据权利要求1所述的一种适用于重定向图像质量评估的视觉注意融合方法，其特征在于，所述步骤S3中，使用对应点的显著性值相加求平均的方法融合两幅均衡化显著性图，并使用归一化操作生成融合显著性图，包括以下步骤：

步骤S31：使用对应点的显著性值相加求平均的方法融合两幅均衡化显著性图，计算公式如下：

其中，和分别表示两幅均衡化显著性图S^D′和S^B′中像素p处的显著性值；表示像素p处的显著性值加和求平均的结果，从而得到由两幅均衡化显著性图S^D′和S^B′中对应点的显著性值加和求平均而得到的结果图S^m；

步骤S32：为了保证融合后的显著性图的值域为[0,1]，对加和求平均的结果进行归一化操作，计算公式如下：

其中，min(S^m)和max(S^m)分别表示计算结果图S^m中所有像素值的最小值和最大值；表示所求得的融合显著性图S^F在像素p处的显著性值。