基于L1正則化的圖像顯著性檢測方法技術

本發明專利技術公開了一種基于L1正則化的圖像顯著性檢測方法，該方法包括以下步驟：對待檢測圖像進行傅立葉變換，對其頻域幅度譜進行不同尺度的高斯濾波，構建頻域的尺度空間；設計基于全變分的稀疏優化問題，利用SplitBregman方法求解該問題，得到一組候選顯著性圖像；使用圖像二維熵作為選取標準，從候選顯著性圖像中選取二維熵最小的圖像并進行空域的高斯濾波，得到最終的顯著性圖像；本發明專利技術結合了顯著性圖像的空域和頻域的特性，有效地消除了復雜背景的影響，并且可以高效的求解，與以往頻域分析的顯著性檢測方法相比，在人眼注視點檢測和物體分割檢測方面取得了更好的效果。

【技術實現步驟摘要】
基于L1正則化的圖像顯著性檢測方法
本專利技術屬于圖像處理
，具體涉及一種基于L1正則化的圖像顯著性檢測方法。
技術介紹
基于圖像的目標檢測是計算機視覺和模式識別領域的重要課題，在圖像分割，圖像檢索和機器人自主感知等領域中有著廣泛的應用。在各類目標檢測方法中，顯著性方法以其對人類視覺注意機制的探索和模擬吸引了大量研究者的關注。人類視覺機制能夠從觀察到的大量場景信息中快速地檢索出感興趣物體，從而極大地提升了人類對場景的理解效率和反應速度。顯著性檢測方法基于這個原理，通過分析圖像內容，將圖像中與周圍區域差異明顯的部分標示出來，即“顯著性區域”，以便后續進行高效的圖像處理。顯著性檢測方法計算模型分為自上而下和自下而上兩類，自上而下的方法依賴于特定的檢測任務和內容，而自下而上的方法則完全通過對輸入圖像的分析進行檢測。在自下而上的方法中，空域檢測通過對圖像局部顏色，方向，紋理等特征或者全局對比度的統計，尋找與周邊特征差異明顯的區域作為顯著性區域，頻域分析則根據變換域理論，對圖像頻譜進行處理，突出顯著區域對應分量，抑制非顯著區域對應分量。頻域分析方法無需對目標的特征進行設計和統計，具有實現方便高效的優點。幾種典型的頻域處理方法，如頻譜殘差法(SR),相位譜傅立葉變換法(PFT)和四元數傅立葉變換(HFT)對大多數簡單自然場景目標具有良好的檢測效果。然而，由于沒有考慮空域的信息，當圖像場景結構復雜，存在較多高頻細節成分時，傳統的頻域分析方法會受到復雜背景的極大干擾，產生許多雜亂的噪聲點，這樣一方面會造成顯著區域的誤檢，另一方面也會影響基于二維熵的尺度選擇的準確性。因此，如何實現復雜場景中的目標檢測，是頻域顯著性檢測面臨的難題。
技術實現思路
本專利技術的目的在于針對頻域顯著性檢測方法的不足，提供一種基于L1正則化的圖像顯著性檢測方法，該方法同時考慮空域和頻域的稀疏性，有效地消除了復雜及高頻細節背景的影響，在人眼注視點檢測和物體分割檢測方面取得了更好的效果。本專利技術的目的是通過以下技術方案來實現的：(1)輸入待檢測圖像；待檢測圖像為彩色圖像，由紅、藍、綠三個顏色通道組成；(2)將步驟1輸入的圖像分解為三個顏色特征圖(RG,BY,I)，對每個顏色特征圖進行傅里葉變換，并且計算傅里葉變換的對數幅度譜L(u,v)和相位譜P(u,v)，其中u，v為頻譜的坐標值；(3)在每一個顏色特征圖上，使用8個不同方差大小的高斯濾波器hk(u,v)，k＝1～8，對對數幅度譜L(u,v)進行卷積濾波，得到濾波后的8個不同尺度的傅里葉對數幅度譜，結合相位譜P(u,v)，得到一組不同尺度的傅里葉變換Fk，其描述如下：Fk＝exp(L(u,v)*hk(u,v)+i·P(u,v)),k＝1～8(1)其中L(u,v)表示顏色特征圖對數幅度譜，hk(u,v)表示不同方差大小的高斯濾波器，i表示虛數單位，P(u,v)表示顏色特征圖相位譜，*表示卷積運算符，下標k表示尺度序號；(4)在每一個顏色特征圖上，構建基于TVnorm正則化的L1優化問題并采用SplitBregman方法求解，得到該顏色特征圖上的8張不同尺度的顯著性圖像在3個顏色特征圖上共得到24個顯著性圖像其描述如下：其中||||1表示L1范數，||||2表示L2范數，表示二維梯度算子，S表示顯著性圖像，F(·)表示傅里葉變換，c為顏色特征圖的序號，μ為保真項權重；(5)在同一尺度上，根據步驟4得到的顯著性圖像的二維熵計算權重，加權求和得到一張顯著性圖像，在8個尺度上共得到8張顯著性圖像其描述如下：其中H2D(·)表示計算圖像二維熵的函數；K為使得權重之和為1的常數；(6)計算步驟5得到的8張不同尺度顯著性圖像的二維熵，選取二維熵最小的顯著性圖像，平方后進行高斯濾波得到最終的顯著性圖像S，其描述如下：其中g表示高斯濾波器。所述式(1)中對數幅度譜L(u,v)的求解方法具體為：對待檢測圖像的三個顏色特征圖的傅里葉變換采用快速傅里葉變換(FFT)，并將其零頻成分移動到頻譜圖像中心位置得到傅里葉幅度譜A(u,v)相位譜P(u,v)，求取對數得到對數幅度譜L(u,v)，其描述如下：L(u,v)＝log(A(u,v)+1)。所述式(1)中8個不同方差大小的高斯濾波器hk(u,v)具體如下：式中hk(u,v)為頻域二維高斯低通濾波器，D表示距離傅里葉變換原點的歐式距離，σk＝2k-2,k＝1～8為高斯濾波器的方差。所述式(2)中的L1正則化優化問題，采用SplitBregman方法求解，具體為：其中設fk,c＝exp(Lc*hk+i·Pc)，使用SplitBregman方法，則(2)式可轉化為：其中，λ為懲罰項權重，bx和by為求解過程中的變量。本專利技術具有的有益效果是：本專利技術結合了顯著性圖像的空域和頻域的特性，有效地消除了圖像復雜背景和高頻細節對顯著性檢測的影響，達到了良好的檢測準確率。同時，本算法可以使用SplitBregman方法進行高效的求解。本專利技術在物體檢測和識別，人眼視點預測等領域有著廣泛應用。附圖說明圖1為實施例1采用現有頻域圖像顯著性檢測方法與本專利技術方法進行圖像顯著性檢測后的圖像對比圖；(a)為待檢測圖像，(b)為人眼標示的顯著性圖像，(c)GBVS算法得到的顯著性圖像，(d)SR算法得到的顯著性圖像，(e)HFT算法得到的顯著性圖像，(f)本專利技術方法得到的顯著性圖像；圖2為實施例2采用現有頻域圖像顯著性檢測方法與本專利技術方法進行圖像顯著性檢測后的圖像對比圖；(a)為待檢測圖像，(b)為人眼標示的顯著性圖像，(c)GBVS算法得到的顯著性圖像，(d)SR算法得到的顯著性圖像，(e)HFT算法得到的顯著性圖像，(f)本專利技術方法得到的顯著性圖像；圖3為實施例3采用現有頻域圖像顯著性檢測方法與本專利技術方法進行圖像顯著性檢測后的圖像對比圖；(a)為待檢測圖像，(b)為人眼標示的顯著性圖像，(c)GBVS算法得到的顯著性圖像，(d)SR算法得到的顯著性圖像，(e)HFT算法得到的顯著性圖像，(f)本專利技術方法得到的顯著性圖像；圖4為實施例4采用現有頻域圖像顯著性檢測方法與本專利技術方法進行圖像顯著性檢測后的圖像對比圖；(a)為待檢測圖像，(b)為人眼標示的顯著性圖像，(c)GBVS算法得到的顯著性圖像，(d)SR算法得到的顯著性圖像，(e)HFT算法得到的顯著性圖像，(f)本專利技術方法得到的顯著性圖像；圖5為不同顯著性檢測方法在ASD數據集上PR(準確率，召回率)曲線結果圖。具體實施方式下面結合附圖與實施例對本專利技術進行進一步說明。本專利技術一種基于L1正則化的圖像顯著性檢測方法，包括如下步驟：(1)輸入待檢測圖像。待檢測圖像為彩色圖像，由紅、藍、綠三個顏色通道組成。為了降低計算量，我們對待檢測圖像進行尺寸的調整，調整后的圖像的寬度和高度均設定為128像素。(2)從步驟1調整后的圖像提取三個顏色特征圖(RG,BY,I)。首先分離顏色通道，得到紅(r)、綠(g)、藍(b)三個顏色通道，對這三個顏色通道進行計算獲得R,G,B,Y顏色特征基，具體描述如下：使用顏色特征基計算得到兩個顏色特征圖：RG＝R-G(2)BY＝B-Y計算調整后圖像對應的灰度圖作為第三個顏色特征圖：對RG,BY和I三個顏色特征圖分別進行傅里葉變換，將零本文檔來自技高網...

【技術保護點】
一種基于L1正則化的圖像顯著性檢測方法，其特征在于，包括如下步驟：(1)輸入待檢測圖像；待檢測圖像為彩色圖像，由紅、藍、綠三個顏色通道組成；(2)將步驟1輸入的圖像分解為三個顏色特征圖(RG,BY,I)，對每個顏色特征圖進行傅里葉變換，并且計算傅里葉變換的對數幅度譜L(u,v)和相位譜P(u,v)，其中u，v為頻譜的坐標值；(3)在每一個顏色特征圖上，使用8個不同方差大小的高斯濾波器hk(u,v)，k＝1～8，對對數幅度譜L(u,v)進行卷積濾波，得到濾波后的8個不同尺度的傅里葉對數幅度譜，結合相位譜P(u,v)，得到一組不同尺度的傅里葉變換Fk，其描述如下：Fk＝exp(L(u,v)*hk(u,v)+i·P(u,v)),k＝1～8??(1)其中L(u,v)表示顏色特征圖對數幅度譜，hk(u,v)表示不同方差大小的高斯濾波器，i表示虛數單位，P(u,v)表示顏色特征圖相位譜，*表示卷積運算符，下標k表示尺度序號；(4)在每一個顏色特征圖上，構建基于TV?norm正則化的L1優化問題并采用Split?Bregman方法求解，得到該顏色特征圖上的8張不同尺度的顯著性圖像在3個顏色特征圖上共得到24個顯著性圖像其描述如下：S^k,c=argmins||▿S||1+μ2||F(S)-exp(Lc*hk+i·Pc)||22,k=1~8,c=1~3---(2)]]>其中||||1表示L1范數，||||2表示L2范數，表示二維梯度算子，S表示顯著性圖像，F(·)表示傅里葉變換，c為顏色特征圖的序號，μ為保真項權重；(5)在同一尺度上，根據步驟4得到的顯著性圖像的二維熵計算權重，加權求和得到一張顯著性圖像，在8個尺度上共得到8張顯著性圖像其描述如下：S^k=Σc=131K1H2D(S^k,c)S^k,c---(3)]]>其中H2D(·)表示計算圖像二維熵的函數；K為使得權重之和為1的常數；(6)計算步驟5得到的8張不同尺度顯著性圖像的二維熵，選取二維熵最小的顯著性圖像，平方后進行高斯濾波得到最終的顯著性圖像S，其描述如下：kopt=argmink(H2D(S^k))---(4)]]>S=g*|S^kopt|2---(5)]]>其中g表示高斯濾波器。...

【技術特征摘要】
1.一種基于L1正則化的圖像顯著性檢測方法，其特征在于，包括如下步驟：(1)輸入待檢測圖像；待檢測圖像為彩色圖像，由紅、藍、綠三個顏色通道組成；(2)將步驟(1)輸入的圖像分解為三個顏色特征圖RG,BY,I，對每個顏色特征圖進行傅里葉變換，并且計算傅里葉變換的對數幅度譜L(u,v)和相位譜P(u,v)，其中u，v為頻譜的坐標值；(3)在每一個顏色特征圖上，使用8個不同方差大小的高斯濾波器hk(u,v)，k＝1～8，對對數幅度譜L(u,v)進行卷積濾波，得到濾波后的8個不同尺度的傅里葉對數幅度譜，結合相位譜P(u,v)，得到一組不同尺度的傅里葉變換Fk，其描述如下：Fk＝exp(L(u,v)*hk(u,v)+i·P(u,v)),k＝1～8(1)其中L(u,v)表示顏色特征圖對數幅度譜，hk(u,v)表示不同方差大小的高斯濾波器，i表示虛數單位，P(u,v)表示顏色特征圖相位譜，*表示卷積運算符，下標k表示尺度序號；(4)在每一個顏色特征圖上，構建基于TVnorm正則化的L1優化問題并采用SplitBregman方法求解，得到該顏色特征圖上的8張不同尺度的顯著性圖像在3個顏色特征圖上共得到24個顯著性圖像其描述如下：其中||||1表示L1范數，||||2表示L2范數，表示二維梯度算子，S表示顯著性圖像，F(·)表示傅里葉變換，c為顏色特征圖的序號，μ為保真項權重，Pc為第c個顏色特征圖的相位譜，Lc為第c個顏色特征圖的對數幅度譜；(5)在同一尺度上，根據步驟(4)得到的顯著性圖像的二維熵計算權重，加權求和得到一張顯著性圖像，在8個尺度上共得到8張顯著性圖像其描述如下：其中H2D(·)表示計算圖像二維熵的函數；K為使...

【專利技術屬性】
技術研發人員：任健強，龔小謹，
申請(專利權)人：浙江大學，
類型：發明
國別省市：浙江;33