專利名稱：一種利用稀疏基的協同顯著性檢測方法
技術領域：
本發明涉及一種利用稀疏基的協同顯著性檢測方法，可以檢測多幅圖像的共同顯著性目標。
背景技術：
隨著多媒體技術的發展，圖像已經成為一種信息載體的重要方式。面對浩瀚的圖像數據如何才能快速準確的處理成為了一個富有挑戰且亟待解決的課題。在圖像處理和分析中，人們所關心的只是圖像中的一小部分內容，即所謂的顯著區域，這通常稱為前景或目標。近幾年來，顯著性的研究已經廣泛應用到計算機視覺的各個領域，如目標識別，圖像的分割，圖像檢索和視頻檢索等。盡管圖像顯著性的研究取得了很多成果，但是仍有許多問題沒有解決。什么是顯著性，如何評價顯著性并沒有一個很好標準。心理學家研究表明人類視覺系統從一個場景中獲得顯著性特征，只關注那些感興趣的部分，而不關注不相關的其他部分。然而，在眾顯著目標中哪一個是最顯著的？以前的研究中主要是對一個單幅圖像找到它的顯著目標，可是當我們面對多幅圖像時，那些在每幅圖像中都存在的相同部分，我們則更加感興趣。
發明內容
要解決的技術問題本發明要解決的技術問題是如何快速有效的檢測出多幅圖像中的共同顯著性目標。本發明提供了一種基于稀疏基的協同顯著性檢測方法。為解決上述技術問題，包括以下步驟步驟1 將M幅自然圖像調整為120X160大小，提取調整后的每一幅圖像中所有互不相交的8X8子圖像塊，得到300XM個8X8子圖像塊；然后對每個圖像塊在紅、綠、藍三個通道的灰度值拉伸，得到一組含有300XM個192維向量的向量組；步驟2 對步驟1得到的192維向量組利用獨立變量分析ICA算法得到一組互信息最小的稀疏特征基A，令K = A—1作為一個濾波器集合，Ici為K的第i行；步驟3 提取測試圖像Itl, I1, I2, L，In中所有的8X8子圖像塊，對每個圖像塊將紅、綠、藍三個通道的灰度值拉伸成192維向量組;T⑴=(X1K)5L ,x ,L } ( τ = 0，1，2，L， η)，其中每一列對應一個子圖像塊；步驟4:使用濾波器集合K，對輸入圖像的子圖像塊進行濾波，計算每個子圖像塊濾波響應的絕對值；對顯著性系數af >0的子圖像塊相應絕對值相加并規范化得到圖像 Ιτ的第i個特征分布
V () IFxwI
權利要求
1. 一種利用稀疏基的協同顯著性檢測方法，其特征在步驟如下 步驟1 將M幅自然圖像調整為120X160大小，提取調整后的每一幅圖像中所有互不 相交的8X8子圖像塊，得到300XM個8X8子圖像塊；然后對每個圖像塊在紅、綠、藍三個 通道的灰度值拉伸，得到一組含有300XM個192維向量的向量組；步驟2 對步驟1得到的192維向量組利用獨立變量分析ICA算法得到一組互信息最 小的稀疏特征基A，令K = A—1作為一個濾波器集合，Ici為K的第i行；步驟3 提取測試圖像Itl, I1, I2, L，In中所有的8X8子圖像塊，對每個圖像塊將紅、綠、 藍三個通道的灰度值拉伸成192維向量組;T⑴,x ,L } ( T = 0，1，2，L，n)， 其中每一列對應一個子圖像塊；步驟4 使用濾波器集合K，對輸入圖像的子圖像塊進行濾波，計算每個子圖像塊濾波 響應的絕對值；對顯著性系數>0的子圖像塊相應絕對值相加并規范化得到圖像It的 第i個特征分布
全文摘要
本發明涉及一種利用利用稀疏基檢測協同顯著性的方法，其特征在于首先，從自然圖像中使用獨立變量分析方法，訓練出一組稀疏基；然后，對輸入圖像濾波作用得到輸入圖像的特征分布，根據圖像之間相互獨立，定義了多組數據變量的K-L散度度量它們之間的相似性，最后，根據K-L散度性質找出散度下降明顯的地方，也即是圖像的相似處。本發明提出的利用稀疏基檢測協同顯著性的方法，采用ICA方法求取自然圖像一組稀疏基，然后運用互信息作為圖像相關性的度量，可以快速檢測出多幅圖像的共同顯著性目標。
文檔編號G06K9/62GK102521617SQ20111045671
公開日2012年6月27日 申請日期2011年12月26日 優先權日2011年12月26日
發明者張艷邦, 郭雷, 韓軍偉 申請人:西北工業大學