基于视觉注意机制的图像显著区域检测方法

摘要

本发明公开了一种基于视觉注意机制的图像显著区域检测方法，主要解决现有技术检测出的显著区域与目标区域常存在偏差，精确度不高的问题。其实现过程是：首先，对一幅原始图像进行强度特征和颜色特征提取，其中颜色特征包括RG颜色分量和BY颜色分量，得到三幅特征图；其次，对三幅特征图进行视差计算，得到三幅相应的视差图；再次，根据三幅视差图计算出三个相应的权值系数；最后，根据三个权值系数，对三个视差图进行线性整合，得到最终的视觉显著图。本发明有效提高图像中显著目标区域检测的精度，并具有较好的抗干扰能力，可用于目标检测、目标识别、图像检索以及自然图像压缩等领域。

主权项

1.一种基于视觉注意机制的图像显著区域检测方法，包含以下步骤：(1)对一幅原始的自然图像，提取强度特征和两个颜色特征，即红绿颜色RG分量和蓝黄颜色BY分量，得到三幅特征图；(2)对上述的三幅特征图进行视差计算，得到三幅相应的视差图，即强度视差图、RG视差图和BY视差图；(3)根据步骤(2)得到的三幅视差图，计算三个权值系数；3a)分别计算步骤(2)得到的三幅视差图的平均值和标准差：${\mathrm{Average}}_n=\frac{1}{H\times W}\underset{i=0}{\overset{H-1}{\Sigma }}\underset{j=0}{\overset{W-1}{\Sigma }}{D}_n(i,j)$${\mathrm{Deviate}}_n=\frac{1}{H\times W}\sqrt{\underset{i=0}{\overset{H-1}{\Sigma }}\underset{j=0}{\overset{W-1}{\Sigma }}{(D_n(i,j)-{\mathrm{Average}}_n)}^2}$式中，H和W分别代表视差图的长和宽，D_n(i，j)为第n幅视差图上任意一个像素(i，j)的灰度值，Average_n和Deviate_n分别为第n幅视差图的平均值和标准差n＝1，2，3；3b)根据每一幅视差图的标准差与平均值，得到三个相应的权值，其计算公式如下：式中，k_n′为第n幅视差图对应的权值n＝1，2，3；3c)对上述三个权值归一化，得到三个相应的权值系数，其计算公式如下：$K_n=\frac{k_n^{\prime }}{k_1^{\prime }+k_2^{\prime }+k_3^{\prime }}$式中，K_n为第n个权值对应的权值系数，k_n′为第n幅视差图对应的权值，k′₁、k′₂、k′₃分别为强度视差图的权值、RG视差图的权值和BY视差图的权值，n＝1，2，3；(4)对步骤(2)中的三幅视差图进行归一化处理，使三幅视差图的灰度值的范围均为0～255，得到三个相应的特征显著图；(5)对三幅特征显著图进行线性整合，即将三幅特征显著图乘以其相应的权值系数，并进行线性相加，得到最终的视觉显著图。