資源描述：
《基于感興趣區(qū)域的圖像分割方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、第26卷第6期嘉應(yīng)學(xué)院學(xué)報(bào)(自然科學(xué))Vo.l26No.62008年12月JOURNALOFJIAYINGUNIVERSITY(NaturalScience)Dec.2008基于感興趣區(qū)域的圖像分割方法郭江鴻(嘉應(yīng)學(xué)院計(jì)算機(jī)學(xué)院,廣東梅州514015)[摘要]針對(duì)目前圖像分割技術(shù)中多數(shù)算法所提取的目標(biāo)區(qū)域不是用戶感興趣的目標(biāo),且往往需要在用戶的輔助下才能完成的局限性,提出了一種新的基于感興趣區(qū)域的圖像分割方法,該方法將顏色矢量角應(yīng)用于視覺關(guān)注度模型進(jìn)行圖像分割,實(shí)現(xiàn)了對(duì)感興趣區(qū)域的自動(dòng)提取。[關(guān)鍵詞]圖像檢索;感興趣區(qū)域;顏色矢量角;視覺關(guān)注度[中圖分類號(hào)]T
2、P391[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]1006-642X(2008)06-0042-03目前圖像分割技術(shù)中多數(shù)算法所提取的目標(biāo)區(qū)域不是用戶感興趣的目標(biāo),且往往需要在用戶的[1]輔助下才能完成圖像的分割和檢索,具有一定的局限性。近年來,一些文獻(xiàn)利用視覺關(guān)注度模型(VisualAttentionmodel)進(jìn)行圖像分割,提取圖像中的感興趣區(qū)域,但該方法普遍采用局部顏色分布特征估計(jì)像素的位置信息,在一定程度上表征相對(duì)位置不夠準(zhǔn)確。基于上述問題,本文將顏色矢量角引入到視覺關(guān)注度模型,利用其對(duì)圖像的亮度變化不敏感的特性,得到較為穩(wěn)定的圖像邊緣特征,進(jìn)行圖像分割,進(jìn)而實(shí)現(xiàn)對(duì)
3、感興趣區(qū)域的自動(dòng)提取。1視覺關(guān)注度模型視覺組織是涉及多個(gè)信息加工階段和多種機(jī)制協(xié)作的復(fù)雜過程。其中,圖像分割與提取是復(fù)雜自然場(chǎng)景中的目標(biāo)檢測(cè)和識(shí)別的預(yù)處理步驟。近年來,一些文獻(xiàn)利用視覺關(guān)注度模型進(jìn)行圖像分割,提取圖像中的感興[2]趣區(qū)域,如Itti等人采用圖像顏色、亮度和位置三個(gè)通道的視覺關(guān)注圖進(jìn)行線性組合,形成了整幅圖像的視覺關(guān)注度,最后用動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)方法選取最顯著的點(diǎn)作為視覺關(guān)注點(diǎn)。圖1視覺關(guān)注度示例視覺關(guān)注度方法模擬了人類視覺注意的轉(zhuǎn)換過程,關(guān)注度圖和原始圖像保持拓?fù)鋵?duì)應(yīng)關(guān)系,視覺關(guān)注度大的像素往往是視覺較感興趣的位置。圖1為視覺關(guān)注度示例圖。圖中C、I、Q
4、分別為圖像顏色、亮度和位置3個(gè)通道關(guān)注度,S為最后的整體關(guān)注度。[收稿日期]2008-07-25[作者簡(jiǎn)介]郭江鴻(1975-),山西長(zhǎng)治人,男,講師,碩士,主要研究方向:圖像處理與模式識(shí)別。422顏色矢量角理論由于顏色矢量角本身具有對(duì)圖像的亮度變化不敏感,對(duì)色調(diào)和飽和度的變化敏感的特性,因此[3,4]常常被用來緩解光照效應(yīng)對(duì)圖像的影響,在彩色圖像的邊緣檢測(cè)方面得到廣泛應(yīng)用。顏色矢量角的正弦值可定義為:T2TT1/2sin()v1,v2=1-(v1v2)/v1v2v2,(1)式中v1,v2是兩種顏色的矢量表示。由于顏色矢量角體現(xiàn)了兩種顏色間的視覺差
5、異,因此可將其用于彩色圖像的邊緣檢測(cè)。首先將一個(gè)33的模板滑過圖像中的每個(gè)像素,計(jì)算每個(gè)像素和其8鄰域像素之間的8個(gè)顏色矢量角,并找出最大的矢量角:A=sin()max=max(sin()v,v,sin()v,v,,sin()v,v)(2)c1c2c8式中vc,vi指在33模板中的中心像素和其8鄰域像素的顏色矢量。當(dāng)最大矢量角大于一個(gè)設(shè)定的閾值T時(shí),這個(gè)中心像素將被看作為邊緣點(diǎn)。閾值T的設(shè)定必須合適,如太大,會(huì)丟失大量的邊緣點(diǎn);如太小,則容易把一些平滑點(diǎn)看作邊緣點(diǎn),從而導(dǎo)致檢測(cè)的準(zhǔn)確度下降。實(shí)驗(yàn)發(fā)現(xiàn),當(dāng)閾值TA位于區(qū)間[0.08,0.09]時(shí)檢測(cè)到的圖像
6、邊緣與人的視覺基本一致。3結(jié)合顏色矢量角視與覺關(guān)注度的感興趣區(qū)域的提取方法針對(duì)圖像檢索的特性,需選取合適的種子區(qū)域進(jìn)行區(qū)域增長(zhǎng)和圖像分割,種子點(diǎn)應(yīng)是圖像中視覺關(guān)注度大的點(diǎn)。令P是圖像中的一個(gè)像素點(diǎn),R代表以P為中心的55大小的區(qū)域,S表示像素的視覺關(guān)注度,表示區(qū)域R內(nèi)所有點(diǎn)的注意度平均值,則種子度量值DR:s1SD55iR=e=eiR(3)由式(3)可知,種子點(diǎn)的視覺關(guān)注度越大,其度量值越大。因此可以選種子點(diǎn)度量較大的區(qū)域?yàn)榉N子區(qū)域,采用區(qū)域增長(zhǎng)法進(jìn)行圖像分割。對(duì)感興趣區(qū)域來說,在進(jìn)行區(qū)域增長(zhǎng)過程中既要考慮顏色矢量角的一致性,也要滿足一定的視覺
7、關(guān)注度條件,這樣才能自動(dòng)選取出感興趣區(qū)域。假設(shè)一個(gè)感興趣區(qū)域從種子區(qū)域R開始生長(zhǎng)。與區(qū)域U相鄰的點(diǎn)集合可以定義為:W={(x,y)U,L(x,y)U},其中,L(x,y)表示以點(diǎn)(x,y)為中心的33的小區(qū)域。假定像素pH,它對(duì)應(yīng)的注意度為S,對(duì)應(yīng)的顏色矢量角為A。因此,決定像素P是否歸入R的相似度測(cè)試可以定義為:true,iftTsandA
