一種基於hls色彩空間的顯著區域分層提取方法
2023-05-29 16:42:26
一種基於hls色彩空間的顯著區域分層提取方法
【專利摘要】本發明提出了一種基於HLS色彩空間的顯著區域分層提取方法,所述方法採用更符合人類視覺特性的HLS色彩空間提取色彩對比信息,並結合亮度產生分層顯著圖;分層提取匹配的顯著區域,代表不同聚焦深度的每一層對應不同的顯著圖,根據不同層的顯著圖可分層提取出匹配的若干顯著區域。本發明方法在兩兩相互包含的特徵區域中引入競爭機制,峰值最大的小塊擊敗與其重疊的其他小塊而得以保留,成為該顯著對象最適合的提取尺寸。這樣可在圖像中提取出一系列不完全重疊的大小適應的顯著區域。以此為依據提取Hash不但可降低冗餘,而且體現了視覺的指導作用。
【專利說明】—種基於HLS色彩空間的顯著區域分層提取方法
【技術領域】
[0001]本發明屬於計算機視覺領域,具體指的是一種基於HLS色彩空間的顯著區域分層提取方法。
【背景技術】
[0002]視覺顯著性特徵提取作為一項獨立的技術,可以幫助我們更好地分析和理解數字圖像。提取圖像顯著性的研究是一個圖像分析、特徵提取和探索人類視覺特性的綜合過程,對各種基於圖像分析和理解的應用都有著非常重要的意義。同時,顯著性特徵提取在圖像的檢索、認證、識別和匹配等研究領域有著很高的應用價值。將這種基於感知的選擇機制引入圖像分析領域,將計算資源有限分配給那些容易引起觀察者注意的區域,必將極大地提高現有圖像分析方法的效率。在設計圖像檢索或Hash算法時,對於每幅圖片都人工地指出吸引關注的區域再重點提取該區域特徵的做法顯然是不可行的。因此,探索一種無需人工幹預的準確而高效的圖像顯著性提取方法具有很高的研究價值。
[0003]HLS (Hue, Lightness, Saturation色調、亮度、飽和度)模型是一種常用的視覺顏色模型。HLS模型表示的顏色空間是一個雙六稜錐體。色調用紅色為起點的角度表示,光沿逆時針方向環繞HLS模型時,顏色將按照下面的順序出現:紅、黃、綠、青、藍、紫。灰度光的飽和度為0,即S=O。當S=I,L=0.5時的顏色具有最大的飽和度。
【發明內容】
[0004]本發明所要解決的技術問題是為了克服現有技術的不足,提出一種基於HLS色彩空間的顯著區域分層提取方法。所述方法利用更具有代表性的色彩對比信息,結合亮度產生分層明顯圖,模擬人眼漸進式觀察過程,分層提取大小匹配的顯著區域。
[0005]為了解決上述技術問題,本發明所採用的技術方案是:
[0006]一種基於HLS色彩空間的顯著區域分層提取方法,包括如下步驟:
[0007]步驟A,採集彩色圖像;
[0008]步驟B,對步驟A得到的彩色圖像進行分層,並濾波,得到分層濾波圖像;
[0009]步驟C,對步驟B得到的每層濾波圖像提取顏色和亮度特徵;
[0010]步驟D,分別對步驟C得到的相鄰兩層濾波圖像的顏色和亮度特徵做差運算,得到相應的顏色和亮度特徵圖;
[0011]步驟E,將步驟D得到的同一層的顏色和亮度特徵圖歸一化,再以設定的權重加權相加得到分層顯著圖;
[0012]步驟F,根據步驟E得到的分層顯著圖,通過高斯匹配濾波提取局部匹配峰值,進而實現分層顯著區域的提取。
[0013]步驟E中,所述設定的權重為0.5。
[0014]步驟F中,所述分層顯著區域的提取過程如下:
[0015]步驟F-1,對步驟E得到的分層顯著圖進行高斯平滑濾波,提取濾波後分層顯著圖的中心區域作為匹配圖;
[0016]步驟F-2,在步驟F-1得到的匹配圖中遍歷像素尋找局部峰值,取得局部峰值的像素所對應顯著圖中的區域就是一個顯著區域。
[0017]步驟F-1中,所述分層顯著圖為正方形,其中心區域為正方形,且該中心區域正方形對角線與分層顯著圖正方形的對角線重合。
[0018]本發明的有益效果是:本發明提出了一種基於HLS色彩空間的顯著區域分層提取方法,所述方法採用更符合人類視覺特性的HLS色彩空間提取色彩對比信息,並結合亮度產生分層顯著圖;分層提取匹配的顯著區域,代表不同聚焦深度的每一層對應不同的顯著圖,根據不同層的顯著圖可分層提取出匹配的若干顯著區域。本發明方法在兩兩相互包含的特徵區域中引入競爭機制,峰值最大的小塊擊敗與其重疊的其他小塊而得以保留,成為該顯著對象最適合的提取尺寸。這樣可在圖像中提取出一系列不完全重疊的大小適應的顯著區域。以此為依據提取Hash不但可降低冗餘,而且體現了視覺的指導作用。
【專利附圖】
【附圖說明】
[0019]圖1是本發明的基於HLS色彩空間的顯著區域分層提取方法的流程圖。
【具體實施方式】
[0020]下面結合附圖,對本發明提出的基於HLS色彩空間的顯著區域分層提取方法進行詳細說明:
[0021]如圖1所示,本發明的基於HLS色彩空間的顯著區域分層提取方法,其步驟如下
[0022]步驟101,輸入彩色圖像;
[0023]步驟102,對步驟101得到的彩色圖像,使用線性濾波器產生分層濾波圖像;
[0024]步驟103,對步驟102得到的分層濾波圖像提取顏色和亮度特徵;
[0025]步驟104,根據步驟103提取的特徵,生成相應的特徵圖;
[0026]步驟105,在步驟104獲得的各層亮度和顏色特徵圖的基礎上,按權重合成得到每層的顯著圖;
[0027]步驟106,根據步驟105得到的分層顯著圖,通過高斯匹配濾波提取局部匹配峰值的方式來實現分層顯著區域的提取。
[0028]下面結合圖1詳細說明本發明的基於HLS色彩空間的顯著區域分層提取方法。
[0029]1.分層濾波
[0030]定義尺度因子&,1=1,2,一,1,濾波窗口由大到小排列。將原始圖像分別與每個高斯濾波器卷積,可得到一系列不同模糊程度的圖像,用來模擬不同聚焦深度看到的圖像。濾波採用鏡像延拓的方式以減少邊緣失真。
[0031]這裡先對原始圖像濾波得到分層濾波圖像,再對每層濾波的結果分通道計算顯著圖。之所以這樣做,是因為HLS色彩空間中的色調H分量並不適用於高斯濾波,兩個顏色的均值可能是完全不同於這兩個顏色的第三種顏色,濾波引起的微弱數值差異可能使顏色發生巨大的變化。因此,對圖像的色調單獨濾波會使顏色發生較大的失真,從而嚴重影響顯著區域的提取。
[0032]如果要獲得足夠模糊的圖像,濾波器窗口也要足夠大,這使得卷積涉及的數據量成倍地增長,運算速度大大降低。所以在算法實際運行時,我們會考慮在獲得相當效果的前提下,提高運算速度。將原本的大窗口三維濾波分成三步來模擬。首先將原始圖像縮小Si倍,然後用9X9大小的窗口對縮小的圖像進行濾波,隨後再將模糊圖像放大到原始大小。小濾波的多維卷積能大大降低運算數據量,縮小和放大的插值運算也比較快。這三步所需的時間大大少於上述方法一步的時間。當然快速算法中的9XSi應與上述方法中的Si可比。[0033]2.特徵提取
[0034]對每層濾波圖像的初級視覺特徵提取分為顏色和亮度兩部分進行。因為採用的是HLS顏色空間,所以將顏色放到極坐標空間,用矢量進行比較並求差,以此獲得每層的顯著圖。
[0035]通過將第i層與第i+Ι層模糊圖像做差運算得到第i層的特徵圖。設兩層的模糊圖像分別為fi+1=f*si+1,在fi和fi+1上分別提取亮度和顏色通道的分量,得到Li, Li+1, Ci, Ci+1。接著對兩層間各個分量求差即可獲得兩個通道的特徵圖=Ldiff」和Cdiff具體過程如下:
[0036](I)亮度特徵的提取
[0037]兩個通道中的亮度分量選取HLS色彩空間的L分量。相鄰兩層的亮度對比特徵由式(I)計算:
[0038]
【權利要求】
1.一種基於HLS色彩空間的顯著區域分層提取方法,其特徵在於,包括如下步驟: 步驟A,採集彩色圖像; 步驟B,對步驟A得到的彩色圖像進行分層,並濾波,得到分層濾波圖像; 步驟C,對步驟B得到的每層濾波圖像提取顏色和亮度特徵; 步驟D,分別對步驟C得到的相鄰兩層濾波圖像的顏色和亮度特徵做差運算,得到相應的顏色和亮度特徵圖; 步驟E,將步驟D得到的同一層的顏色和亮度特徵圖歸一化,再以設定的權重加權相加得到分層顯著圖; 步驟F,根據步驟E得到的分層顯著圖,通過高斯匹配濾波提取局部匹配峰值,進而實現分層顯著區域的提取。
2.根據權利要求1所述的一種基於HLS色彩空間的顯著區域分層提取方法,其特徵在於,步驟E中,所述設定的權重為0.5。
3.根據權利要求1所述的一種基於HLS色彩空間的顯著區域分層提取方法,其特徵在於,步驟F中,所述分層顯著區域的提取過程如下: 步驟F-1,對步驟E得到的分層顯著圖進行高斯平滑濾波,提取濾波後分層顯著圖的中心區域作為匹配圖; 步驟F-2,在步驟F-1得到的匹配圖中遍歷像素尋找局部峰值,取得局部峰值的像素所對應顯著圖中的區域就是一個顯著區域。
4.根據權利要求3所述的一種基於HLS色彩空間的顯著區域分層提取方法,其特徵在於,步驟F-1中,所述分層顯著圖為正方形,其中心區域為正方形,且該中心區域正方形對角線與分層顯著圖正方形的對角線重合。
【文檔編號】G06T7/00GK103679716SQ201310651979
【公開日】2014年3月26日 申請日期:2013年12月5日 優先權日:2013年12月5日
【發明者】王敏 申請人:河海大學