f在Hare I的基礎(chǔ)上，應(yīng)用人臉這樣的高級(jí)特征，Qiu考慮了攝像機(jī)運(yùn)動(dòng)對(duì)顯著性造成的影響。與傳統(tǒng)的自頂向下算法相比，現(xiàn)在更多的方法是利用先驗(yàn)知識(shí)，通過在圖像庫上部分或者全部圖像的學(xué)習(xí)獲得顯著性檢測(cè)算法，然后利用這些學(xué)習(xí)到的知識(shí)進(jìn)行顯著性區(qū)域檢測(cè)。例如，Kienzle等人利用眼動(dòng)數(shù)據(jù)學(xué)習(xí)顯著點(diǎn)檢測(cè)算子，并將圖像作為輸入信號(hào)，用檢測(cè)算子對(duì)他們進(jìn)行濾波操作，從而獲得顯著性區(qū)域。Navalpkkam等人過學(xué)習(xí)獲得任務(wù)目標(biāo)的模板，并用該模板來設(shè)置各種自頂向下方法提取的特征的權(quán)重，利用與任務(wù)目標(biāo)模板相似度作為區(qū)域顯著性度量的標(biāo)準(zhǔn)。Liu等人利用條件隨機(jī)場(chǎng)來學(xué)習(xí)計(jì)算顯著度用到的各種特征的權(quán)重，并利用權(quán)重計(jì)算每個(gè)像素點(diǎn)的整體顯著度，從而實(shí)現(xiàn)顯著性目標(biāo)的提取。
[0022]大部分視覺顯著性的研究仍然是集中在顯著性目標(biāo)的檢測(cè)和分割領(lǐng)域，并且方法還是沿用了經(jīng)典算法框架，只是在建模或者特征選擇上進(jìn)行了改進(jìn)和新的探討?，F(xiàn)有的算法不足主要有以下幾方面:現(xiàn)有的算法對(duì)特征的分析還不夠深入、現(xiàn)有的算法對(duì)視覺認(rèn)知的機(jī)理不夠透徹、現(xiàn)有的算法很多較難直接應(yīng)用，或者局限于有限的數(shù)據(jù)集。
[0023]除了上述視覺顯著性研究本身存在的問題外，一個(gè)更為重要的問題是現(xiàn)有的顯著性檢測(cè)算法基本上是圍繞良好成像條件下的拍攝圖像(清晰圖像)展開的，少有不良天候條件下圖像目標(biāo)顯著性檢測(cè)的研究。

【發(fā)明內(nèi)容】

[0024]本發(fā)明涉及三個(gè)方面的主要內(nèi)容:
[0025](I)針對(duì)現(xiàn)有方法難以解決中霧條件下的圖像顯著性檢測(cè)問題，發(fā)明了結(jié)合外觀和顏色信息的顯著性檢測(cè)算法。該算法綜合分析中霧圖像特點(diǎn)，將圖像中目標(biāo)位置和外觀信息以及圖像中目標(biāo)細(xì)節(jié)的顏色信息相互融合，有效地實(shí)現(xiàn)了中霧條件下目標(biāo)的顯著性檢測(cè)。
[0026](2)發(fā)明了針對(duì)濃霧條件的基于協(xié)方差矩陣的圖像顯著性檢測(cè)算法。將濃霧圖像中殘存的外觀信息轉(zhuǎn)換為區(qū)域協(xié)方差矩陣，通過對(duì)比計(jì)算獲取圖像中的顯著區(qū)域，實(shí)驗(yàn)證明該算法較經(jīng)典算法更好地適應(yīng)濃霧圖像中的目標(biāo)顯著性檢測(cè)。
[0027](3)利用碼書發(fā)明了基于霧等級(jí)分類的霧天圖像自適應(yīng)顯著性檢測(cè)方法。在霧等級(jí)自動(dòng)分類的基礎(chǔ)上，針對(duì)不同等級(jí)的選取相應(yīng)的顯著性檢測(cè)算法。實(shí)驗(yàn)證明該方法具有良好的霧天場(chǎng)景下圖像顯著性檢測(cè)的實(shí)用性和可拓展性。
【附圖說明】
[0028]附圖1是本發(fā)明的一種基于多特征融合的中霧圖像顯著性檢測(cè)算法流程圖
[0029]附圖2是本發(fā)明的一種基于區(qū)域協(xié)方差矩陣的濃霧圖像顯著性檢測(cè)算法流程圖
[0030]附圖3是本發(fā)明的一種霧天圖像自適應(yīng)顯著性檢測(cè)方法流程圖
【具體實(shí)施方式】
[0031]一種適合霧天圖像的目標(biāo)顯著性檢測(cè)方法，包含以下幾個(gè)步驟:霧等級(jí)分類和輕、中、濃霧圖像的目標(biāo)顯著性檢測(cè)。
[0032](I)霧等級(jí)分類
[0033]分類方法利用自然場(chǎng)景統(tǒng)計(jì)特征對(duì)霧的等級(jí)進(jìn)行分類，而自然場(chǎng)景統(tǒng)計(jì)特征采用Anish Mittal等在2012年提出的BRISQUE算法中使用的MSCN系數(shù)來表示。同時(shí)采用GGD和AGGD模型來構(gòu)建霧天圖像MSCN系數(shù)的分布模型，其中每個(gè)模型分別提取一個(gè)18維的特征參數(shù)，總共由36維的特征向量來構(gòu)建霧天圖像的失真情況。
[0034](2)輕霧圖像的目標(biāo)顯著性檢測(cè)
[0035]采用經(jīng)典的GMR算法直接進(jìn)行顯著性檢測(cè)。
[0036](3)中霧圖像的目標(biāo)顯著性檢測(cè)
[0037]將圖像中的顯著區(qū)域定義為那些在外觀和顏色上都與周圍差異明顯的像素點(diǎn)。對(duì)于復(fù)雜的自然場(chǎng)景尤其是霧濃度較高的圖像將外觀差異和顏色(中霧條件下顏色特征被煙沒了一部分，但其余部分對(duì)檢測(cè)仍有至關(guān)重要的作用)差異相結(jié)合是必不可少的。外觀差異由圖像中像素塊之間的內(nèi)在聯(lián)系決定，通常顯著的圖像塊不能用其周圍的像素塊進(jìn)行解釋。外觀差異構(gòu)成本算法基本的顯著圖之一，在此基礎(chǔ)上，為了增加顯著性檢測(cè)的準(zhǔn)確性，進(jìn)一步引入了顏色差異，先對(duì)中霧圖像進(jìn)行去霧，將去霧后的圖像再利用顯著性檢測(cè)算法進(jìn)行顯著性檢測(cè)。
[0038](4)濃霧圖像的目標(biāo)顯著性檢測(cè)
[0039]對(duì)單個(gè)特征如亮度、梯度、位置、對(duì)比度等提取特征顯著圖，并基于單特征顯著圖采取線性或非線性擬合手段將單特征顯著圖融合成完整的顯著圖。
【主權(quán)項(xiàng)】
1.針對(duì)現(xiàn)有方法難以解決中霧條件下的圖像顯著性檢測(cè)問題，提出了結(jié)合外觀和顏色信息的顯著性檢測(cè)算法，該算法綜合分析中霧圖像特點(diǎn)，將圖像中目標(biāo)位置和外觀信息以及圖像中目標(biāo)細(xì)節(jié)的顏色信息相互融合，有效地實(shí)現(xiàn)了中霧條件下目標(biāo)的顯著性檢測(cè)。2.提出了針對(duì)濃霧條件的基于協(xié)方差矩陣的圖像顯著性檢測(cè)算法，將濃霧圖像中殘存的外觀信息轉(zhuǎn)換為區(qū)域協(xié)方差矩陣，通過對(duì)比計(jì)算獲取圖像中的顯著區(qū)域。3.利用碼書構(gòu)建了基于霧等級(jí)分類的霧天圖像自適應(yīng)顯著性檢測(cè)模型，在霧等級(jí)自動(dòng)分類的基礎(chǔ)上，針對(duì)不同等級(jí)的選取相應(yīng)的顯著性檢測(cè)算法。
【專利摘要】本發(fā)明公開一種用于霧天圖像的目標(biāo)顯著性檢測(cè)方法，該方法利用碼書構(gòu)建了基于霧等級(jí)分類的霧天圖像自適應(yīng)顯著性檢測(cè)模型。在霧等級(jí)自動(dòng)分類的基礎(chǔ)上，針對(duì)不同等級(jí)的選取相應(yīng)的顯著性檢測(cè)算法。對(duì)于輕霧圖像，直接采用經(jīng)典方法進(jìn)行顯著性檢測(cè)。對(duì)于中霧圖像，在圖像去霧的基礎(chǔ)上結(jié)合外觀和顏色信息進(jìn)行多特征融合的顯著性檢測(cè)。對(duì)濃霧圖像，將濃霧圖像中殘存的外觀信息轉(zhuǎn)換為區(qū)域協(xié)方差矩陣，通過對(duì)比計(jì)算獲取圖像中的顯著區(qū)域。
【IPC分類】G06T7/00, G06T7/40
【公開號(hào)】CN105678735
【申請(qǐng)?zhí)枴?br>【發(fā)明人】陸文駿, 李從利, 楊修順, 童利標(biāo), 魏沛杰, 薛松, 彭東輝, 張友方
【申請(qǐng)人】中國人民解放軍陸軍軍官學(xué)院
【公開日】2016年6月15日
【申請(qǐng)日】2015年10月13日