一种基于色彩上下文抑制的图像显著性提取方法

摘要

本发明公开了一种基于色彩上下文抑制的图像显著性提取方法，首先构建Gabor对立色滤波器，联合编码彩色图像中的空间信息和彩色信息，提取具有对立色特性的色彩表面特征；估计色彩表面特征受到色彩表面上下文或色彩边缘上下文影响而引起的色彩上下文抑制现象；提取具有空间和色彩双对立的色彩边缘特征；定义色彩表面特征和色彩边缘特征对应的色彩显著性度量方式，将色彩特征点之间的不相似度和各像素点之间空间距离的乘积作为全局色彩显著度；将色彩表面显著性和色彩边缘显著性在不同方向通道和不同对立色通道上进行色彩能量整合，获取彩色图像的色彩显著性。本发明方法可以有效提高图像显著性提取的准确性。

主权项

一种基于色彩上下文抑制的图像显著性提取方法，其特征是按如下步骤进行：步骤1、对彩色图像I(x,y)的空间信息和色彩信息进行联合编码，获得所述彩色图像I(x,y)的色彩表面特征s(x,y,o,c)：1.1、构建由若干个Gabor滤波器g(x,y,o)组成的Gabor滤波器组G，G＝{g(x,y,o)}，其中，x和y分别为所述Gabor滤波器g(x,y,o)的横坐标和纵坐标；o为所述Gabor滤波器g(x,y,o)的空间方向，空间方向o是由两两正交的相反方向o⁺和o^‑组成；1.2、对各Gabor滤波器g(x,y,o)的空间信息和色彩信息进行联合编码，获得各Gabor对立色滤波器f(x,y,o,c)，构建由所述各Gabor对立色滤波器f(x,y,o,c)组成的Gabor对立色滤波器组F，F＝{f(x,y,o,c)}，其中，c为所述对立色滤波器f(x,y,o,c)的对立色通道，对立色通道c是由两两互补的对立色通道c⁺和c^‑组成；1.2.1、将所述各Gabor滤波器g(x,y,o)的负值置0，获得仅有激活成分的Gabor滤波器g(x,y,o)的激活子单元g₊(x,y,o)，将所述各Gabor滤波器g(x,y,o)的正值置0，获得仅有抑制成分的Gabor滤波器g(x,y,o)的抑制子单元g_‑(x,y,o)；1.2.2、将所述彩色图像I(x,y)分解为红色R、绿色G和蓝色B三个颜色通道，并构成四组对立色通道c，每组对立色通道c由两两互补的对立色通道c⁺和c^‑组成，所述四组对立色通道c分别是：红绿对立色通道，即激活红色抑制绿色通道R+/G‑和激活绿色抑制红色通道G+/R‑；蓝黄对立色通道，即激活黄色抑制蓝色通道Y+/B‑和激活蓝色抑制黄色通道B+/Y‑；红青对立色通道，即激活红色抑制青色通道R+/C‑和激活青色抑制红色通道C+/R‑；黑白对立色通道，即激活白色抑制黑色通道Wh+/Bl‑和激活黑色抑制白色通道Bl+/Wh‑；1.2.3、利用式(1)构建Gabor对立色滤波器f(x,y,o,c)；$f(x,y,o,c)=\underset{K}{\Sigma }{w}_K{\mathrm{Kg}}_K(x,y,o)---\left(1\right)$式(1)中，K∈{R,G,B}，g_K(x,y,o)为颜色通道K对应的Gabor滤波器的激活子单元g₊(x,y,o)或抑制子单元g_‑(x,y,o)，w_K∈{w_R,w_G,w_B}为设定的颜色通道K的权重；1.3、利用式(2)计算彩色图像I(x,y)的色彩表面特征s(x,y,o,c)；s(x,y,o,c)＝I(x,y)*f(x,y,o,c)   (2)式(2)中，*为卷积算子；步骤2、估计所述彩色图像I(x,y)的色彩上下文抑制现象，所述色彩上下文抑制现象是指彩色图像I(x,y)的色彩表面特征s(x,y,o,c)受到色彩表面上下文信息或色彩边缘上下文信息影响而引起的特征值变化s^*(x,y,o,c)：2.1、给定某一方向通道o，利用式(3)估计所述彩色图像I(x,y)中对立色通道c⁺对应的色彩表面特征s(x,y,o,c⁺)受到色彩表面上下文信息影响而引起的特征值变化s^*(x,y,o,c⁺)，将互补对立色通道c^‑对应的色彩表面特征s(x,y,o,c^‑)作为归一化因子；式(3)中，为半波矫正算子；k为设定的尺度因子；σ₁为设定的半饱和常数；2.2、给定某一对立色通道c，利用式(4)估计所述彩色图像I(x,y)中方向通道o⁺对应的色彩表面特征s(x,y,o⁺,c)受到色彩边缘上下文信息影响而引起的特征值变化s^*(x,y,o⁺,c)，将相反方向通道o^‑对应的色彩表面特征s(x,y,o^‑,c)作为归一化因子；2.3、对于任意对立色通道c中互补的两个对立色通道c⁺和c^‑或方向通道o中相反的两个方向通道o⁺和o^‑均采用与步骤2.1‑步骤2.2相同的特征提取方式，获得受到上下文信息影响的色彩表面特征s^*(x,y,o,c)；步骤3、利用式(5)计算彩色图像I(x,y)的色彩边缘特征d(x,y,o,c)；d(x,y,o,c)＝s^*(x,y,o,c)*g(x,y,o)   (5)步骤4、定义彩色图像I(x,y)在色彩上下文信息影响下任意像素点u(x,y)的色彩表面特征的色彩表面显著度为D_reg(u)及色彩边缘特征d_u(x,y,o,c)的色彩边缘显著度为D_bdry(u)：4.1、利用式(6)计算像素点u(x,y)的色彩表面特征与其它各像素点v(x,y)的色彩表面特征之间的不相似度，并作为所述像素点u(x,y)的色彩表面显著度D_reg(u)；$D_{reg}\left(u\right)=\underset{v\in N(x,y)}{\Sigma }|s_u^{*}(x,y,o,c)-s_v^{*}(x,y,o,c)|---\left(6\right)$式(6)中，N(x,y)表示所有像素点的空间集合；4.2、利用式(7)计算像素点u(x,y)的色彩边缘特征d_u(x,y,o,c)与其它各像素点v(x,y)的色彩边缘特征d_v(x,y,o,c)之间的不相似度，并作为所述像素点u(x,y)的色彩边缘显著度D_bdry(u)；$D_{bdry}\left(u\right)=\underset{v\in N(x,y)}{\Sigma }|d_u(x,y,o,c)-d_v(x,y,o,c)|---\left(7\right)$步骤5、利用式(8)定义彩色图像I(x,y)中任意像素点u(x,y)与其它各像素点v(x,y)之间的空间距离，并作为所述像素点u(x,y)的位置显著度D_loc(u)；$D_{loc}\left(u\right)=\underset{v\in N(x,y)}{\Sigma }\frac{1}{{\sigma }_2\sqrt{2\pi }}\exp \left(\frac{-|u(x,y)-v(x,y){|}^2}{2{\sigma }_2^2}\right)---\left(8\right)$式(8)中，σ₂为设定的彩色图像I(x,y)中像素点u(x,y)到其它各像素点v(x,y)之间的距离权重；步骤6、利用式(9)分别计算所述像素点u(x,y)的全局色彩表面显著度D_s(u)和全局色彩边缘显著度D_d(u)：$\begin{array}{c}{D}_s\left(u\right)=D_{reg}\left(u\right)\times D_{loc}\left(u\right)\\ D_d\left(u\right)=D_{bdry}\left(u\right)\times D_{loc}\left(u\right)\end{array}---\left(9\right)$步骤7、对于所述色彩表面全局显著度D_s(u)，在不同方向通道o和对立色通道c上求和，获得所述像素点u(x,y)的色彩表面显著度E_s(u)；对于所述色彩边缘全局显著度D_d(u)，在不同方向通道o和对立色通道c上求和，获得所述像素点u(x,y)的色彩边缘显著度E_d(u)；步骤8、利用式(11)提取像素点u(x,y)的唯一显著度E(u)：$E\left(u\right)=\sqrt{E_s^2\left(u\right)+E_d^2\left(u\right)}---\left(11\right)$步骤9、对所述彩色图像I(x,y)中所有像素点采用与步骤4‑步骤8相同的提取方式，并对式(11)提取的所有像素点显著性进行Gaussian函数模糊化处理，从而提取所述彩色图像I(x,y)的最终显著性。