一種面向視覺顯著性檢測的中央周圍環繞優化方法技術

技術編號：8683334 閱讀：253 留言：0更新日期：2013-05-09 03:27

本發明專利技術涉及一種面向視覺顯著性檢測的中央-周圍環繞優化方法。本發明專利技術方法首先提取輸入圖像的顯著基元，得到三個彩色分量。其次每個顯著基元的顏色獨特性值并計算空間緊湊性值。然后依據顏色獨特性值和空間緊湊性值計算每個顯著基元的合成顯著性值。最后結合感受野區域采用一種簡化中央-周圍環繞算子計算每個顯著基元的最終顯著性值。本發明專利技術采用線性加權函數對目前生物視覺感受野的兩種模型進行擬合和簡化,實現兩種感受野模型的統一建模。

全部詳細技術資料下載

【技術實現步驟摘要】

本專利技術屬于計算機視覺領域，具體來說是一種受生物視覺感受野機制啟發的面向視覺顯著性檢測的中央-周圍環繞優化方法。
技術介紹
生物視網膜中神經節細胞感受野都由一個“中心”圓和一個“周圍”同心環組成，兩區域分別對激勵具有興奮和抑制響應。已證實神經節細胞響應是由抑制性和興奮性感受野分量共同作用的結果。因此，生物視覺神經節細胞的感受野機制建摸的關鍵在于中央-周圍環繞優化方法。目前已提出的中央-周圍環繞優化方法可大致分為兩類。一種是基于高斯差分模型，它采用重疊但卻獨立的兩個高斯函數，分別模擬“中心”興奮和“周圍”抑制區域。由于兩高斯函數對激勵具有相反響應，最終表現為一個高斯差分函數。另一類是基于雙指數模型，該方法建立在對獼猴Hl水平細胞的實驗研究基礎上，認為大多數Hl感受野的敏感度分布表現為兩個指數分量的疊加。此外，現已提出的中央-周圍環繞優化方法中感受野的“中心”和“周圍”區域設定通常都是建立在輸入圖像的像素空間上。具體來說，“中心”和“周圍”區域是根據像素與區域中心像素在像素空間上的距離進行劃分，且感受野的空間范圍和靈敏度分布與激勵信號強弱無關。然而生物學實驗已證明感受野大小和靈敏度曲線是隨激勵信號強弱自適應改變。另一個生物學證據是生物視覺信息的傳輸處理機制的研究，不管是分級假說還是平行處理機制都強調的是對輸入視覺信息成分按不同性質重組處理和傳輸。
技術實現思路
本專利技術針對現有技術的不足，受生物視覺感受野機制中“中心”興奮和“周圍”抑制特性，以及感受野細胞對視覺信息重組特性的啟發，提供了一種面向視覺顯著性檢測的中央-周圍環繞優化方法。本專利技術方法的具體步驟...

【技術保護點】
一種面向視覺顯著性檢測的中央?周圍環繞優化方法，其特征在于該方法包括如下步驟：步驟(1)：采用SLIC超像素聚類方法，提取輸入圖像的顯著基元，具體為：對于輸入圖像???????????????????????????????????????????????，設定期望劃分的超像素個數為，采用SLIC超像素聚類方法根據期望的超像素個數劃分出多個互不相交且區域面積近似相等的超像素區域，最終實際劃分出的超像素個數為；將一個超像素區域視為一個顯著基元，即顯著基元的個數為；步驟(2)：采用彩色變換方法，分別提取輸入圖像在CIELAB空間的l彩色分量圖、a彩色分量圖和b彩色分量圖，具體為：對于輸入圖像，其l彩色分量圖、a彩色分量圖和b彩色分量圖分別表示為、和；步驟(3)：根據步驟(1)和步驟(2)的結果，提取每個顯著基元在CIELAB空間的顏色特征，具體為：對于輸入圖像中的第i個顯著基元，其顏色特征是由顯著基元在CIELAB空間的顏色均值矢量、超像素區域的質心坐標組成；所述的顯著基元在CIELAB空間的顏色均值矢量表示為，其中為顯著基元內所有像素的l彩色分量均值，為顯著基元內所有像素的a彩色分量均值...

【技術特征摘要】
1.一種面向視覺顯著性檢測的中央-周圍環繞優化方法，其特征在于該方法包括如下步驟: 步驟(I):采用SLIC超像素聚類方法，提取輸入圖像的顯著基元，具體為:對于輸入圖像I,設定期望劃分的超像素個數為貨，采用SLIC超像素聚類方法根據期望的超像素個數劃分出多個互不相交且區域面積近似相等的超像素區域，最終實際劃分出的超像素個數為N ;將一個超像素區域視為一個顯著基元，即顯著基元的個數為F ; 步驟(2):采用彩色變換方法，分別提...

【專利技術屬性】
技術研發人員：周文暉，宋騰，孫志海，吳以凡，徐翀，
申請(專利權)人：杭州電子科技大學，
類型：發明
國別省市：

全部詳細技術資料下載我是這個專利的主人

相關技術

網友詢問留言已有0條評論

還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

發布您的意見

相關領域技術

^{<input id="6mo44"></input>}