[发明专利]一种基于颜色特征的图像感兴趣区域检测方法

摘要

本发明涉及一种基于颜色特征的图像感兴趣区域检测方法，其特征在于：首先，同时考虑了Lab和对抗色两个颜色空间，同时考虑了每个像素点与多尺度邻域差值问题，这样既考虑图像的整体特征又考虑图像的局部特征。运用信息熵作为衡量显著图的检测效果，首先运用信息熵找到每个颜色通道中的最优三个邻域尺度，然后用信息熵找到最优三个颜色通道，并且运行信息熵组合每步得到的最优显著图。这样既考虑图像的整体特征又考虑图像的局部特征。接着运用信息熵分步组合得到的最优显著性分布图。

主权项

一种基于颜色特征的图像感兴趣区域检测方法，其特征在于步骤如下：步骤1：将原始输入图像由RGB颜色空间转化为四色宽频颜色空间RGBY，转化方法为： R = r - g + b 2 G = g - r + b 2 B = b - r + g 2 Y = r + g 2 - | r - g 2 | - b 其中：r,g,b分别表示RGB颜色空间中的红、绿、蓝颜色通道，R,G,B,Y分别表示得到RGBY颜色空间中的红、绿、蓝、黄颜色通道；步骤2：计算亮度I＝(r+g+b)，红绿对抗色RG＝|R‑G|，蓝黄对抗色BY＝|B‑Y|，分别得到亮度、红绿对抗色及蓝黄对抗色三个通道I,RG,BY；步骤3：将原始输入图像转化为Lab颜色空间，得到L,a,b颜色通道；步骤4：计算6个颜色通道中每个点(x,y)的两个方形邻域内的像素均值mean_N1i(x,y)和mean_N2i(x,y)，i∈{I,RG,BY,L,a,b}；其中：mean_N1i(x,y)和mean_N2i(x,y)分别表示在颜色通道i中点(x,y)处的大小为N1×N1和N2×N2的方形邻域内像素均值；步骤5：计算6个颜色通道显著性特征：Ci(x,y)＝|mean_N1i(x,y)‑mean_N2i(x,y)|，i∈{I,RG,BY,L,a,b}其中：Ci(x,y)表示在颜色通道i中点(x,y)处的显著性特征；步骤6：依次在N1取值N11,N12，依次在N2取值N21,N22,…,N2m，重复步骤5在每个颜色通道可得到2m个显著特征图；步骤7：特征图归一化后，计算特征图的信息熵得： H ( C ij ( x , y ) ) = - Σ x = 1 n Σ y = 1 n g C ij ( x , y ) log ( g C ij ( x , y ) ) , i∈{I,RG,BY,L,a,b}，j＝1，2,…,2m其中：Cij(x,y)是i颜色通道第j个显著图，g是一个高斯低通滤波器；步骤8：在各颜色通道的2m个显著特征图，分别取信息熵最小的三个显著特征图Optimalmapi1，Optimalmapi2，Optimalmapi3，i∈{I,RG,BY,L,a,b}；步骤9：将Optimalmapi1，Optimalmapi2和Optimalmapi3归一化并组合，得到i颜色通道显著性特征： Smap i = Σ i = 1 3 w ij Optimalmap ij , 其中： w ij = 1 H ( Optimalmap ij ) × Σ j = 1 3 1 H ( Optimalmap ij ) 为特征融合权系数；步骤10：重复步骤8和9的方法，求出最优的三个颜色通道，并对归一化组合得到图像感兴趣区域的最终显著图。