一种基于信息熵的时空显著性视觉注意方法

摘要

本发明公开了一种基于信息熵的时空显著性视觉注意方法，步骤为：①提取短视频中的动态显著性图和静态显著性图；②将静态显著性图和动态显著性图联合生成最终显著性图；③胜者全赢；④返回抑制，将最终显著性图中最显著性的区域的像素值都置为零，得到了一个新的最终显著性图；⑤注意选择。在计算动态显著性时，本发明直接计算所有帧之间的动态显著性，仅仅计算当前帧的静态显著性图，这样很好地解决了现有方法存在的问题，节约了计算时间，并能更好地检测出动态显著性部分；另外本发明还运用了多尺度的方法计算了动态显著性，这样就能更好地计算出视频中不同大小物体的动态显著性，获得良好的视觉效果。

主权项

一种基于信息熵的时空显著性视觉注意方法，其步骤包括：第1步 提取短视频中的动态显著性图和静态显著性图；其中，动态显著性图的提取过程为：(A.1)对于输入的短视频，取连续n帧图像序列，将每一帧图像转换成更低水平的灰度级图像；(A.2)将步骤(A.1)得到的每一帧图像缩小到4个不同的尺度，将相同尺度下的n帧缩小的图像组合成1个动态的响应图，再将尺度较大的3个动态响应图缩小到与其中最小尺度响应图相同的尺度，然后利用这4个相同尺度的缩小的图像联合生成动态显著性图；第2步 将静态显著性图和动态显著性图联合生成最终显著性图；第3步 胜者全赢：对于最终显著性图中的每一点ψ，根据熵的最大化方法获得了一个最优的尺寸ψr，再计算该点在一个局部区域内的均值，这个局部区域是以该点为圆心，以ψr为半径的圆形区域，所有的均值构成了一个图，该图中最大值的点即为最显著的点，最显著的点和该点对应的最优尺寸构成了最显著的区域。第4步 返回抑制：将最终显著性图中最显著的区域的像素值都置为零，得到了一个新的最终显著性图；第5步 注意选择：重复第3步至第5步，直至预先设定的次数，完成后得到的最显著性的点和该点所在区域的尺寸，作为注意焦点。