发明名称 灰度图中视觉注意区域转移预测方法
摘要 一种灰度图中视觉注意区域转移预测方法,包括四个步骤:确定领导者,寻找追随者,计算显著值,显著值排序。确定领导者是指计算所有像素的侧电位,并根据得到的侧电位和阈值确定像素中的领导者。寻找追随者是指对每一个领导者在所有像素中依据连通性和相似性确定其追随者,形成不同区域,一个区域可能包括多于一个的领导者,但是在实际计算机实施过程中如果一个领导者追随其他领导者则判为追随者。计算显著值是指把已经得到区域分别进行计算,一个区域对应一个显著值。显著值排序是指按照显著值的大小对所有的区域排序并取前三个区域。本发明把人类视觉系统的选择性注意功能成功的引入到计算机视觉系统中,能够模拟和预测人眼视点在不同区域间进行注意转移。
申请公布号 CN101984452A 申请公布日期 2011.03.09
申请号 CN201010532357.6 申请日期 2010.10.29
申请人 北京工业大学 发明人 段立娟;房法明;乔元华;王海丽;吴春鹏;苗军;杨震
分类号 G06K9/00(2006.01)I 主分类号 G06K9/00(2006.01)I
代理机构 北京思海天达知识产权代理有限公司 11203 代理人 楼艮基
主权项 一种灰度图中视觉注意区域转移预测方法,包括:计算一幅灰度图像中所有像素的侧电势,根据已经得出的侧电势和阈值得到领导者;每个领导者找到它的追随者,并形成不同区域;对每个区域计算显著值;依据显著值的不同对前三个显著区域进行显示;其特征在于包括:步骤1、对一幅灰度图像中的所有像素计算其八邻域内的像素对其产生的侧电势;像素j对像素i侧电势Lateral(i,j)计算公式为: <mrow> <mi>Lateral</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msub> <mi>I</mi> <mi>M</mi> </msub> <mrow> <mn>1</mn> <mo>+</mo> <mo>|</mo> <msub> <mi>I</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>I</mi> <mi>i</mi> </msub> <mo>|</mo> </mrow> </mfrac> <mo>,</mo> <mi>j</mi> <mo>&Element;</mo> <mi>N</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>其中Lateral(i,j)表示像素j对像素i的侧电势,N(i)表示像素i的八邻域,像素j是像素i的八邻域中的像素,IM=255,Ii和Ij分别是像素i和j的灰度值,一个像素的侧电势定义为L(i),如公式为: <mrow> <mi>L</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>8</mn> </munderover> <mi>Lateral</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>j</mi> <mo>&Element;</mo> <mi>N</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>计算出所有像素的侧电势L(i),如果L(i)>θ,则认为像素i是领导者像素,反之则认为不是领导者像素;步骤2、寻找领导者像素的追随者并形成不同区域,设定当前块数为C=1,按照图像中自上而下自左至右的顺序从每个领导者出发;首先判断该领导者有没有被标记,若被标记则跳过;若未标记则标记为C,从该领导者出发找出其八邻域中的所有与之相似的像素,放到一个先进先出的队列Q中,并将这些像素标记为C;从队列Q中取出一个像素,找到该像素的八邻域中与当前领导者相似的像素,并把这些像素送入队列Q中,判断两个像素是否相似主要依据公式为:|Ii‑Ij|<α                (3)其中Ii和Ij分别是像素i和j的灰度值,α是一个阈值;当队列为空时,表示某个领导者像素的追随者已经全部标记为C,此时需要把C加1,进入下一个领导者寻找追随者的过程;根据标记C的不同,最后形成R1,R2,……,Rn共n个区域;步骤3、计算不同区域的显著值,有R1,R2,……,Rn共n个区域,对于第i个区域,它的显著值Ai定义为公式(4),第i个区域的平均灰度值Ri计算公式为公式(5); <mrow> <msub> <mi>A</mi> <mi>i</mi> </msub> <mo>=</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mo>|</mo> <msub> <mi>R</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>R</mi> <mi>j</mi> </msub> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>R</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mi>&Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>I</mi> <mi>k</mi> </msub> </mrow> <mi>M</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>其中Ri表示第i个区域的平均灰度值,M表示第i个区域中的像素总数,Ik表示第k个像素的灰度值;步骤4、根据显著值大小排序所有区域并找出前三个显著性区域,显著值大的为优先关注的区域。
地址 100124 北京市朝阳区平乐园100号