动静结合估计视频视觉显著度的方法

摘要

本发明公开了一种动静结合估计视频视觉显著度的方法，特别是一种通过图形图像处理技术和人工神经网络技术估计视频视觉显著度的方法。本方法主要包括以下步骤：先将视频镜头进行解压处理，得到帧序列、帧切片，并提取关键帧；然后对关键帧提取早期视觉特征图、显著图正规化处理、最终的静态显著图；根据视频中稳定的背景信息和帧间差进行动态运动信息提取镜头的动态信息图像的动态显著图；最后用脉冲耦合神经网络进行动静态显著融合得到视觉显著度。根据本发明能综合静态和动态的显著对象特征计算得到较满意的显著结果，适用于估计动、静特征丰富的视频数据显著度。

主权项

1.一种动静显著结合估计视频视觉显著度的方法，其特征在于包括以下步骤： (1)首先，按镜头为单位解压缩得到镜头帧序列，在首帧和尾帧之间等时间间隔选取10中间帧，并与首帧和尾帧组成固定12帧的帧切片；根据帧切片平均颜色、纹理和形状3底层特征选取关键帧； (2)其次，在(1)基础上，对关键帧计算静态显著特征，得到静态显著图； (3)再次，利用帧间差掩模图像和可靠的镜头背景提取动态信息，根据动态信息图像提取镜头的动态显著特征，计算得到动态显著图； (4)最后，将步骤(2)得到的静态显著图S和步骤(3)得到的动态显著图D通过脉冲耦合神经网络进行显著融合，通过点火映射图Y_S和Y_D进行显著选择，得到最终视频的显著度： 其中，点(i，j)处对应两脉冲耦合神经网络点火时间为Y_S(i，j)和Y_D(i，j)，其对应的邻域亮度分别为I(sur.)_S(ij)和I(sur.)_D(ij)；静态显著图S和动态显著图脉冲耦合神经网络神经元的链接强度通过多尺度金字塔分解、中心-环绕差运算分别计算每个像素的亮度对比度β_S(ij)和β_D(ij)得到。