(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 104217430 A (43)申请公布日 2014.12.17 | ||
(21)申请号 CN201410425506.7
(22)申请日 2014.08.26
(71)申请人 浙江大学
地址 310058 浙江省杭州市西湖区余杭塘路866号
(72)发明人 任健强 龚小谨
(74)专利代理机构 杭州求是专利事务所有限公司
代理人 邱启旺
(51)Int.CI
G06T7/00
权利要求说明书 说明书 幅图 |
(54)发明名称
基于L1正则化的图像显著性检测方法 | |
(57)摘要
本发明公开了一种基于L1正则化的图像显著性检测方法，该方法包括以下步骤：对待检测图像进行傅立叶变换，对其频域幅度谱进行不同尺度的高斯滤波，构建频域的尺度空间；设计基于全变分的稀疏优化问题，利用SplitBregman方法求解该问题，得到一组候选显著性图像；使用图像二维熵作为选取标准，从候选显著性图像中选取二维熵最小的图像并进行空域的高斯滤波，得到最终的显著性图像；本发明结合了显著性图像的空域和频域的特性，有效地消除了复杂背景的影响，并且可以高效的求解，与以往频域分析的显著性检测方法相比，在人眼注视点检测和物体分割检测方面取得了更好的效果。 | |
法律状态
法律状态公告日 | 法律状态信息 | l1正则化的作用 法律状态 |
2022-08-12 | 未缴年费专利权终止IPC(主分类):G06T 7/00专利号:ZL2014104255067申请日:20140826授权公告日:20170215 | 专利权的终止 |
权 利 要 求 说 明 书
1.一种基于L1正则化的图像显著性检测方法，其特征在于，包括如下步骤：
(1)输入待检测图像；待检测图像为彩图像，由红、蓝、绿三个颜通道 组成；
(2)将步骤1输入的图像分解为三个颜特征图(RG,BY,I)，对每个颜特 征图进行傅里叶变换，并且计算傅里叶变换的对数幅度谱L(u,v)和相位谱P(u,v)， 其中u，v为频谱的坐标值；
(3)在每一个颜特征图上，使用8个不同方差大小的高斯滤波器 h<sub>k</sub>(u,v)，k＝1～8，对对数幅度谱L(u,v)进行卷积滤波，得到滤波后的8个不同尺 度的傅里叶对数幅度谱，结合相位谱P(u,v)，得到一组不同尺度的傅里叶变换F<sub>k</sub>， 其描述如下：
F<sub>k</sub>＝exp(L(u,v)*h<sub>k</sub>(u,v)+i·P(u,v)),k＝1～8 (1)
其中L(u,v)表示颜特征图对数幅度谱，h<sub>k</sub>(u,v)表示不同方差大小的高斯滤 波器，i表示虚数单位，P(u,v)表示颜特征图相位谱，*表示卷积运算符，下标 k表示尺度序号；
(4)在每一个颜特征图上，构建基于TV norm正则化的L1优化问题并采 用Split Bregman方法求解，得到该颜特征图上的8张不同尺度的显著性图像 在3个颜特征图上共得到24个显著性图像其描述如下：
<maths><math><mrow><msub><mover><mi>S</mi><mo>^</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>c</mi></mrow></msub><mo>=</mo><munder><mrow><mi>arg</mi><mi>min</mi></mrow><mi>s</mi></munder><msub><mrow><mo>|</mo><mo>|</mo><mo>▿</mo><mi>S</mi><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub><mo>+</mo><mfrac><mi>μ</mi><mn>2</mn></mfrac><msubsup><mrow><mo>|</mo><mo>|</mo><mi>F</mi><mrow><mo>(</mo><mi>S</mi><mo>)</mo></mrow><mo>-</mo><mi>exp</mi><mrow><mo>(</mo><msub><mi>L</mi><mi>c</mi></msub><mo>*</mo><msub><mi>h</mi><mi>k</mi></msub><mo>+</mo><mi>i</mi><mo>·</mo><msub><mi>P</mi><mi>c</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>,</mo><mi>k</mi><mo>=</mo><mn>1</mn><mo>~</mo><mn>8</mn><mo>,</mo><mi>c</mi><mo>=</mo><mn>1</mn><mo>~</mo><mn>3</mn><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math></maths>
其中||||<sub>1</sub>表示L1范数，||||<sub>2</sub>表示L2范数，表示二维梯度算子，S表示显著性 图像，F(·)表示傅里叶变换，c为颜特征图的序号，μ为保真项权重；
(5)在同一尺度上，根据步骤4得到的显著性图像的二维熵计算权重，加权 求和得到一张显著性图像，在8个尺度上共得到8张显著性图像其描述如下：
<maths><math><mrow><msub><mover><mi>S</mi><mo>^</mo></mover><mi>k</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>c</mi><mo>=</mo><mn>1</mn></mrow><mn>3</mn></munderover><mfrac><mn>1</mn><mi>K</mi></mfrac><mfrac><mn>1</mn><mrow><msub><mi>H</mi><mrow><mn>2</mn><mi>D</mi></mrow></msub><mrow><mo>(</mo><msub><mover><mi>S</mi><mo>^</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>c</mi></mrow></msub><mo>)</mo></mrow></mrow></mfrac><msub><mover><mi>S</mi><mo>^</mo></mover><mrow><mi>k</mi><mo>,</mo><mi>c</mi></mrow></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow></math></maths>
其中H<sub>2D</sub>(·)表示计算图像二维熵的函数；K为使得权重之和为1的常数；
(6)计算步骤5得到的8张不同尺度显著性图像的二维熵，选取二维熵最 小的显著性图像，平方后进行高斯滤波得到最终的显著性图像S，其描述如下：
<maths><math><mrow><mi>kopt</mi><mo>=</mo><munder><mrow><mi>arg</mi><mi>min</mi></mrow><mi>k</mi></munder><mrow><mo>(</mo><msub><mi>H</mi><mrow><mn>2</mn><mi>D</mi></mrow></msub><mrow><mo>(</mo><msub><mover><mi>S</mi><mo>^</mo></mover><mi>k</mi></msub><mo>)</mo></mrow><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow></math></maths>
<maths><math><mrow><mi>S</mi><mo>=</mo><mi>g</mi><mo>*</mo><msup><mrow><mo>|</mo><msub><mover><mi>S</mi><mo>^</mo></mover><mi>kopt</mi></msub><mo>|</mo></mrow><mn>2</mn></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow></math></maths>
其中g表示高斯滤波器。
2.根据权利要求1所述的一种基于L1正则化的图像显著性检测方法，其特 征在于，所述对数幅度谱L(u,v)的求解方法具体为：对待检测图像的三个颜特 征图的傅里叶变换采用快速傅里叶变换，并将其零频成分移动到频谱图像中心位 置得到傅里叶幅度谱A(u,v)相位谱P(u,v)，求取对数得到对数幅度谱L(u,v)，其描 述如下：
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论