一种基于联合稀疏多尺度融合的图像显著区域检测方法

摘要

本发明属于图像显著区域检测技术领域，具体公开了一种基于联合稀疏多尺度融合的图像显著区域检测方法，其步骤包括：(1)对训练图像集构造出多层高斯金字塔实现多尺度化，训练得到各个尺度下的字典；(2)对测试图像中的每一个像素点取图像块，联合稀疏求解该图像块在各个尺度下的稀疏表示系数；(3)将稀疏表示系数作为特征，进行显著性的计算；(4)融合多个尺度下的显著结果得到最终的显著图。本发明实现了提取任意给定图像中人眼感兴趣区域的目的，其优点在于：首先，多尺度操作克服了图像不同尺度下的影响；其次，联合稀疏框架非常有益于后续的显著度计算。实验表明，本方法的结果具有较好的鲁棒性，优于大多数现有方法的结果。

主权项

一种基于联合稀疏多尺度融合的图像显著区域检测方法，其特征在于，包括以下步骤：(1)对训练图像集进行预处理，将RGB彩色图像转化为灰度图像；(2)对于训练图像集中的每一幅图像，构造其多尺度高斯金字塔，得到多尺度的训练集{T₁、T₂…T_n}，其中T_i为i尺度下的图像，n为多尺度的数目；(3)对于构造好的多尺度训练集{T₁、T₂…T_n}，对各个尺度分别应用KSVD字典训练算法训练稀疏表示字典{D₁、D₂…D_n}∈R^m×k，其中D_i为i尺度下的稀疏表示字典，m×k表示字典的规模，m是行数，k为列数或字典原子的个数；(4)对于输入的每一幅测试图像，按照步骤(2)的方法对它构造多尺度高斯金字塔，然后在各个尺度下分别对输入图像的每一个像素点取块并对图像块进行聚类，然后采用联合稀疏求解的框架，对于每一类图像块按下式求解该类图像块集合的稀疏表示系数，因此也就得到尺度l下每一个图像块x_i的稀疏表示系数α_i：$\underset{A_i}{\min }{\left|\right|A_i\left|\right|}_2^1=\underset{f=1}{\overset{k}{\Sigma }}{\left|\right|{\alpha }^f\left|\right|}_2^{1}s.t.{\left|\right|x_i-D{\alpha }_i\left|\right|}_2^2+\underset{j\in p_i}{\Sigma }{\left|\right|x_{i,j}-{\mathrm{D\alpha }}_{i,j}\left|\right|}_2^2\le {ϵ}_i$其中表示聚类后与图像块x_i为一类的图像块的集合，t表示与图像块x_i为一类的图像块有t个，x_i,j表示集合P_i中第j个与图像块x_i为一类的图像块；$A_i=[{\alpha }_i,{\alpha }_{i,i_1}...,{\alpha }_{i,i_t}]=\left[\begin{array}{c}{\alpha }^1\\ .\\ .\\ .\\ {\alpha }^k\end{array}\right]\in R^{k\times (t+1)}$表示图像块x_i和图像块集合P_i的稀疏表示系数集合，矩阵A_i的行数为k，列数为t+1，α_i表示图像块x_i的稀疏表示系数，α_i,j表示矩阵A_i的第j+1列，即第j个与图像块x_i为一类的图像块x_i,j的稀疏表示系数，α^f表示矩阵A_i的第f行；联合稀疏求解得到的稀疏表示系数的非零元素位置是相同的，D表示对应尺度l的稀疏表示字典；(5)由步骤(4)求得每一个图像块x_i的稀疏表示系数α_i，将其作为图像中每一个图像块x_i的特征，进而使用该特征去衡量每一个图像块的显著性，图像中每个像素点i的显著性定义为以像素点i为中心的图像块与图像中其它所有块的相似性，这里使用稀疏表示系数来计算每个像素点的显著性：$S_l\left(x_i\right)=\underset{j=1}{\overset{L}{\Sigma }}{w}_{\mathrm{ij}}·D_{\mathrm{ij}}$其中l∈1,...,n表示尺度；S_l(x_i)表示尺度l下图像块x_i的显著性；L表示尺度l下图像中图像块的总个数；表示图像块x_i和x_j的相似性的权值，p_i和p_j分别为在尺度l下以位置i和j为中心的图像块拉成的列向量，σ₁为伸缩系数；表示用图像块x_i和x_j对应稀疏表示系数去计算两图像块的相似性，α_i和α_j分别为图像块x_i和x_j的稀疏表示系数向量，σ₂为伸缩系数；(6)重复步骤(4)、(5)，计算每个尺度下的显著结果；将多尺度下的显著结果归一化并做显著性处理，对处理后的结果进行多尺度之间的融合，进而得到最终的显著结果，再选定特定的阈值，划分出检测到的显著区域。