基於邊緣的圖像顯著性檢測的製作方法
2023-09-22 23:31:05
專利名稱::基於邊緣的圖像顯著性檢測的製作方法
技術領域:
:本發明涉及基於邊緣的圖像顯著性檢測方法、裝置和電腦程式產品。
背景技術:
:在這個網際網路資訊時代,每天都有大量的圖片信息被分享,面對如此多的信息,面向目標物體的圖像檢索技術越來越受到重視。圖像顯著性檢測就是解決這個問題的一個有效途徑。圖像顯著性檢測和目標提取是計算機視覺和模式識別領域的一個重要問題,同時涉及許多其它科學領域。基於計算機的視覺顯著性檢測的研究很早以前就開始了。視覺顯著性通常發生在自底向上的圖像特徵驅動模型中,它的機理首先由Koch和Ullman闡述,並描述了在計算機上實現顯著性檢測的體系結構。接著Itti使用金字塔圖像不同級交叉相減的方法,求得圖像hsl三個通道的顯著圖,最後通過疊加三個通道的顯著圖而形成最後的顯著圖。它能突出顯示一些圖像的顯著區域。HouX.D.等使用傅立葉變換圖像,然後計算圖像光殘普差,再通過反變換獲得圖像顯著圖。除了區域顯著性以外,還有通過顯著點檢測實現面向目標物體的圖像檢索方法。LoweDG提出了一種魯棒性很好的尺度不變特徵描述方法SIFT,首先通過高斯差分濾波器構建高斯金字塔圖像,它通過對高斯金字塔圖像進行極值檢測,確定極值點位置並為極值點指定主方向參數,最後形成關鍵點描述向量。通過這種方法也可以準確的進行圖像匹配。但是這種方法計算數據量大、時間複雜度高。針對這些缺陷,Bay等人在此基礎上提出了SURF方法提取特徵點,它結合積分圖像和hessian矩陣的優點,降低了算法的時間複雜度,而且運算量也減小了很多,達到的效果跟sift基本上保持一致。這些方法有一個共同點-他們利用各種辦法去除邊緣響應點和曲率較大的點。因為在多尺度顯著點檢測中這些點是不穩定的。但是對於一般的圖像檢索來說,人們往往不關注圖像的精確匹配,而是跟目標圖像相關的那些圖像。所以這種情況下圖像的邊緣點也顯得很重要了。因此,本發明的目的在於在圖像顯著性檢測過程中同時考慮圖像中邊緣,以達到更佳的檢測效果。本文採用的方法就是通過顯著點和邊緣點的檢測來確定顯著物體在圖像中的區域。通過這種方法可以更加準確的提取圖像中顯著物體的底層特徵信息。相比於全局特徵信息,顯著區域特徵信息更有利於面向物體的圖像檢索。圖I示出了根據本發明的一個實施例的圖像處理系統;圖2示出了根據本發明的一些實施例的基於邊緣的圖像顯著性檢測的流程圖3示出了根據本發明的一些實施例的基於邊緣的圖像顯著性檢測裝置;以及圖4示出了根據一些實施例的一種基於邊緣的圖像顯著性檢測裝置的細節。具體實施例方式現在參考附圖來描述各種方案。在以下描述中,為了進行解釋,闡述了多個具體細節以便提供對一個或多個方案的透徹理解。然而,顯然,在沒有這些具體細節的情況下也能夠實現這些方案。如在本申請中所使用的,術語「組件」、「模塊」、「系統」等等旨在指代與計算機相關的實體,例如但不限於,硬體、固件、硬體和軟體的組合、軟體,或者是執行中的軟體。例如,組件可以是但不限於在處理器上運行的進程、處理器、對象、可執行體(executable)、執行線程、程序、和/或計算機。舉例而言,運行在計算設備上的應用程式和該計算設備都可以是組件。一個或多個組件可以位於執行進程和/或者執行線程內,並且組件可以位於一臺計算機上和/或者分布在兩臺或更多臺計算機上。另外,這些組件可以從具有存儲在其上的各種數據結構的各種計算機可讀介質執行。組件可以藉助於本地和/或遠程進程進行通信,例如根據具有一個或多個數據分組的信號,例如,來自於藉助於信號與本地系統、分布式系統中的另一組件交互和/或者與在諸如網際網路之類的網絡上藉助於信號與其他系統交互的一個組件的數據。圖I示出了根據本發明的一個實施例的圖像處理系統100。裝置101為圖像採集設備,用於依據現有技術中已知的任何圖像採集技術來獲取待處理的圖像,所採集的圖像可以經由通信裝置直接傳送給圖像處理裝置103,或者可以存儲在存儲裝置105中以待後續處理。在本發明的一個實施例中,圖像採集裝置101直接在用戶所訪問的網頁上獲取與網頁相關聯的圖像。由圖像採集設備101所採集到的圖像通過通信裝置102以有線和/或無線的方式傳送至圖像處理裝置103,該圖像處理裝置103對接收到的圖像進行基於邊緣的圖像顯著性檢測,以檢測圖像中的顯著物體或其他顯著區域。但是應該理解,圖像處理裝置103還可以對輸入圖像進行其它各種處理,例如圖像去噪、圖像配準、模式識別等等。圖像處理裝置103可以用通用處理器、數位訊號處理器(DSP)、專用集成電路(ASIC)、現場可編程門陣列(FPGA)或其它可編程邏輯器件、分立門或電晶體邏輯器件、分立硬體組件或者設計為執行本文所述功能的其任意組合,來實現或執行。通用處理器可以是微處理器,但是可替換地,該處理器也可以是任何常規的處理器、控制器、微控制器或者狀態機。處理器也可以實現為計算設備的組合,例如,DSP和微處理器的組合、多個微處理器的組合、一個或多個微處理器與DSP內核的組合或者任何其它此種結構。另外,至少一個處理器可以包括可操作以執行上述的一個或多個步驟和/或操作的一個或多個模塊。當用ASIC、FPGA等硬體電路來實現圖像處理裝置103時,其可以包括被配置為執行各種功能的各種電路塊。本領域技術人員可以根據施加在整個系統上的各種約束條件來以各種方式設計和實現這些電路,來實現本發明所公開的各種功能。例如,用ASIC、FPGA等硬體電路實現的圖像處理裝置103可以包括圖像顯著性檢測電路及/或其它電路模塊,其用來依據本文公開的各種圖像顯著性檢測方案來對輸入圖像執行圖像顯著性檢測。本領域技術人員應該可以理解和認識到,本文所述的圖像處理裝置103可選地可以包括除圖像顯著性檢測電路之外的其它任何可用電路模塊,例如被配置為進行邊緣檢測、圖像配準、模式識別的任何電路模塊。以下結合圖3的流程圖詳細描述了濾波器電路所實現的功能。圖像存儲裝置105可以耦合至圖像採集設備101及/或圖像處理裝置103,以存儲圖像採集設備101所採集的原始數據及/或經過圖像處理裝置103處理後的輸出圖像。圖2示出了根據本發明的一些實施例的基於邊緣的圖像顯著性檢測的流程圖。在步驟201中,輸入待處理的二維圖像。在實施例中,待輸入的二維圖像可以來自圖像採集裝置101或圖像存儲裝置105。在步驟202中,對二維圖像進行角點檢測。具體而言,首先,對所述二維圖像進行高斯濾波,以去除噪聲幹擾。高斯濾波是本領域公知技術,因此在此不詳細論述以避免混淆本發明。隨後,利用以下公式,計算經過高斯濾波後的二維圖像的R圖像R(x,y)=λ1λ2-α(λ1+λ2)2其中λ1,λ2為矩陣權利要求1.一種方法,包括以下步驟(a)輸入二維圖像;(b)對所述二維圖像進行角點檢測;(C)對所述二維圖像進行邊緣檢測;(d)將所述角點檢測得到的角點和所述邊緣檢測中得到的邊緣點進行組合,以確定所述二維圖像中的圖像顯著物體,其中,如果在一個角點的5X5鄰域內的邊緣點的個數超過特定閾值,則確定該角點和所述個數的邊緣點是所述圖像顯著物體邊緣的一部分,其中,步驟(b)包括以下子步驟(b.I)對所述二維圖像進行高斯濾波,以去除噪聲幹擾;(b.2)計算經過高斯濾波後的二維圖像的R圖像2.如權利要求I所述的方法,其中,在步驟(d)中,所述特定閾值一般為5。3.如權利要求I所述的方法,其中,如果O.9*max<150,則將所述上限閾值設置為150;或者如果ave>入2,入1<O.8,a={O.9,1.1}的點。aI+λι5.一種裝置,包括(a)用於輸入二維圖像的裝置;(b)用於對所述二維圖像進行角點檢測的裝置;(C)用於對所述二維圖像進行邊緣檢測的裝置;(d)用於將所述角點檢測得到的角點和所述邊緣檢測中得到的邊緣點進行組合,以確定所述二維圖像中的圖像顯著物體的裝置,其中,如果在一個角點的5X5鄰域內的邊緣點的個數超過特定閾值,則確定該角點和所述個數的邊緣點是所述圖像顯著物體邊緣的一部分,其中,用於對所述二維圖像進行角點檢測的裝置包括(b.I)用於對所述二維圖像進行高斯濾波,以去除噪聲幹擾的裝置;(b.2)用於計算經過高斯濾波後的二維圖像的R圖像的裝置6.一種處理器,其被配置為(a)輸入二維圖像;(b)對所述二維圖像進行角點檢測;(C)對所述二維圖像進行邊緣檢測;(d)將所述角點檢測得到的角點和所述邊緣檢測中得到的邊緣點進行組合,以確定所述二維圖像中的圖像顯著物體,其中,如果在一個角點的5X5鄰域內的邊緣點的個數超過特定閾值,則確定該角點和所述個數的邊緣點是所述圖像顯著物體邊緣的一部分,其中,操作(b)包括以下子操作(b.I)對所述二維圖像進行高斯濾波,以去除噪聲幹擾;(b.2)計算經過高斯濾波後的二維圖像的R圖像7.一種電腦程式產品,其包含由處理器執行的指令,所述指令當由所述處理器執行時,使得所述處理器能夠執行如權利要求I所述的方法。全文摘要本發明涉及基於邊緣的圖像顯著性檢測方法、裝置和電腦程式產品。在本發明中,通過顯著點和邊緣點的檢測來確定顯著物體在圖像中的區域,從而提高提高檢測目標物體的性能。文檔編號G06T5/00GK102609911SQ201210011719公開日2012年7月25日申請日期2012年1月16日優先權日2012年1月16日發明者張萌萌申請人:北方工業大學