[发明专利]一种基于多尺度相对熵的视觉显著区域提取方法

摘要

本发明公开了一种基于多尺度相对熵的视觉显著区域的提取方法，包括：从输入图像提取不同的全局颜色特征图和方向特征图；将颜色特征图和方向特征图进行高斯金字塔分解，并进行多尺度归一化；分别计算各自特征空间的颜色局部相对熵和方向局部相对熵；对不同特征空间的结果分别归一化，并进行线性迭加；将颜色显著图和方向显著图线性相加，然后进行二维高斯平滑，从而提取出视觉显著区域。与传统方法相比，本发明充分考虑了反映全局显著性的颜色和方向特征，以及反映局部新奇性的相对熵，并采用了多尺度分析的方法，具有有效，可靠的优点。本发明可用于自然图像，遥感图像等的自适应压缩采样和目标检测，在低成本成像设备中有广阔的应用前景。

主权项

一种基于多尺度相对熵的视觉显著区域提取方法，其特征在于，包括下列步骤：步骤一：对输入原始图像提取特征，求取颜色特征图和方向特征图，其中，首先采用彩色变换法，提取原始图像在CIELAB空间的亮度L，红绿对抗色A，蓝黄对抗色B三个颜色分量；再采用Gabor小波，提取原始图像的灰度图像在在0°，45°，90°，135°的方向特征，得到颜色特征图和方向特征图，其中二维Gabor公式为： g ( x , y ) = k j 2 σ 2 exp ( - k j 2 ( x 2 + y 2 2 σ 2 ) ) × [ exp ( ik j · x ) - exp ( - σ 2 2 ) ] - - - ( 1 ) 其中，x，y为给定图像的位置坐标，kj为滤波器的中心频率，代表分辨率，σ表示高斯窗口的大小；步骤二：对生成的颜色特征图和方向特征图分别进行高斯金字塔分解，生成多尺度特征图；步骤三：将特征图分别归一化，并在每层中进行局部相对熵的计算，生成多尺度局部显著图；将步骤二得到的多尺度特征图进行归一化，将不同数值范围的特征图统一为0‑1区间；再通过相对熵对每一幅特征图求取局部显著图： KL ( p | | q ) = ∫ x p x ( x ) log p x ( x ) q x ( x ) dx - - - ( 2 ) 其中px(x)为中心区域的概率密度，qx(x)为外围区域的概率密度，所述的外围区域不包括中心区域；步骤四：将求取相对熵后得到的各个通道的多尺度局部显著图插值为统一尺度，并对单通道显著图进行线性迭加；步骤五，将各通道的显著图进行迭加，并通过高斯平滑，获得视觉显著区域。