CN103093415A - 基于协作表示的图像显著度计算方法 - Google Patents
基于协作表示的图像显著度计算方法 Download PDFInfo
- Publication number
- CN103093415A CN103093415A CN2013100381066A CN201310038106A CN103093415A CN 103093415 A CN103093415 A CN 103093415A CN 2013100381066 A CN2013100381066 A CN 2013100381066A CN 201310038106 A CN201310038106 A CN 201310038106A CN 103093415 A CN103093415 A CN 103093415A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- square
- pixels
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
技术领域
本发明属于图像处理与模式识别技术领域,涉及一种基于协作表示的图像显著度计算方法。
背景技术
随着便携式数码设备的普及,视频、相片等多媒体数据的获取越来越容易。除了设备生产厂家通过改进工艺,提高设备的硬件质量外,一些多媒体编辑软件也应运而生。例如,Photoshop等软件,可以方便地为相片调整光线、设置特效等。更有甚者,一些软件可以对用户拍摄的相片进行再构图,使得用户拍摄的业余照片达到专业的构图水准。这些图像编码软件经常需要进行的操作是检测图像中用户感兴趣的区域。这一任务主要通过计算图像中任意像素的显著度,并将显著度值较大的像素形成的区域检测为用户感兴趣的区域。
图像显著度的计算具有重大的应用前景。现有的技术主要将像素与周围像素在某一特征空间上进行简单的比较,将比较得到的差异程度作为像素的显著度。所使用的特征包括灰度、各个彩色通道、纹理等信息。这些方法虽然取得了一定的效果,但对于包含复杂背景、噪声干扰的图像,所检测出的感兴趣区域与用户真实的感受的区域相差较大。
发明内容
针对现有显著度计算方法面临的困难,本发明提供一种基于协作表示的图像显著度计算方法,该方法在复杂背景和噪声干扰下,能够准确计算图像中像素显著度。
本发明的基于协作表示的图像显著度计算方法以灰度图像作为输入图像,并进行以下三个阶段的操作:
步骤一:在采样阶段,以该像素为中心,以9×9为半径,采样图像方块作为中心方块。将该像素沿着与水平方向夹角为0度、45度、90度、135度、180度、225度、270度、315度的方向分别向外移动1个像素、2个像素和3个像素,并以移动之后得到的像素为中心,以9×9为半径,共采样24个图像方块作为邻域方块。将中心方块和邻域方块按照行为主序的方式向量化为91维的列向量,用 表示中心方块,用表示24个邻域方块。
步骤三:在显著度计算阶段,像素的显著度计算为:
本发明的特点在于计算简单,容易实现,能够应用于任意图像的显著度计算。本发明可以应用于图像编辑软件,也可以应用于视频压缩等方面。
附图说明
图1为输入图像grass.jpg;
图2为计算出的图1显著度图;
图3为输入图像dog.jpg;
图4为计算出的图3显著度图;
图5为输入图像street.jpg;
图6为计算出的图5显著度图。
具体实施方式
本发明的基于协作表示的图像显著度计算方法,计算图像中像素显著度的具体步骤为:
步骤1、先获得待计算的图像,可以是任意格式的图像,例如bmp, jpg, gif, tiff等。然后,用计算机编程来实现下面的步骤,计算机语言可任选。
1、读入输入图像,如果是24位彩色图片,则转化为8位灰度图片。
2、对于转化之后的灰度图片,从左至右、从上至下遍历图片像素。对于每一个遍历到的像素,按照以下步骤的方法采样中心方块和邻域方块:
以该像素为中心,以9×9为半径,采样图像方块作为中心方块。将该像素沿着与水平方向夹角为0度、45度、90度、135度、180度、225度、270度、315度的方向向外移动1个像素、2个像素和3个像素,并以移动之后得到的像素为中心,以9×9为半径,共采样24个图像方块作为邻域方块。将中心方块和邻域方块按照行为主序的方式向量化为91维的列向量,用表示中心方块,用表示24个邻域方块。
如果采样的过程中出现方块超过图像的边界,则程序继续遍历图像的其它像素。否则,执行下面步骤2和步骤3。
图1-6给出了本发明的方法在三幅测试图像上计算的显著度结果。从图中可以看出,本发明提供的方法能够准确地为任意像素计算显著度。
以上所述,仅为本发明较佳的具体实施方式,这些具体实施方式都是基于本发明整体构思下的不同实现方式,而且本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种基于协作表示的图像显著度计算方法,其特征在于所述方法以灰度图像作为输入,使用以下三个操作计算图像中像素的显著度:
1)采样阶段:以该像素为中心,采样9×9大小的方块作为中心方块;将该像素沿着均匀间隔的8个方向分别向外移动1个像素、2个像素和3个像素,并以移动之后的像素为中心采样9×9大小的方块,共得到24个方块作为邻域方块;
2)协作表示阶段:将中心方块线性表示为24个邻域方块和单位基函数的线性组合,通过L2范式最小化解析地计算线性组合的系数;
3)显著度计算阶段:该像素的显著度计算为使用邻域方块及其对应系数对中心方块进行重构的误差。
2.根据权利要求1所述的基于协作表示的图像显著度计算方法,其特征在于所述采样阶段,将该像素沿着与水平方向夹角为0度、45度、90度、135度、180度、225度、270度、315度的方向分别向外移动1个像素、2个像素和3个像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100381066A CN103093415A (zh) | 2013-01-31 | 2013-01-31 | 基于协作表示的图像显著度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100381066A CN103093415A (zh) | 2013-01-31 | 2013-01-31 | 基于协作表示的图像显著度计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103093415A true CN103093415A (zh) | 2013-05-08 |
Family
ID=48205951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100381066A Pending CN103093415A (zh) | 2013-01-31 | 2013-01-31 | 基于协作表示的图像显著度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103093415A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477633A (zh) * | 2009-01-21 | 2009-07-08 | 北京大学 | 自动估计图像和视频的视觉显著度的方法 |
CN101520894A (zh) * | 2009-02-18 | 2009-09-02 | 上海大学 | 基于区域显著性的显著对象提取方法 |
-
2013
- 2013-01-31 CN CN2013100381066A patent/CN103093415A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477633A (zh) * | 2009-01-21 | 2009-07-08 | 北京大学 | 自动估计图像和视频的视觉显著度的方法 |
CN101520894A (zh) * | 2009-02-18 | 2009-09-02 | 上海大学 | 基于区域显著性的显著对象提取方法 |
Non-Patent Citations (5)
Title |
---|
JOHN WRIGHT: "Robust Face Recognition via Sparse Representation", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
LEI ZHANG等: "sparse representation or collaborative representation: which helps face recognition?", 《2011 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
YIN LI等: "incremental sparse saliency detection", 《2009 16TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
ZHIXIANG REN等: "spatiotemporal saliency detection via sparse representation", 《2012 IEEE INTERNATIONAL CONFERENCE ON MULTIMEDIA AND EXPO》 * |
韩彪等: "基于图像稀疏表示视觉显著度计算的自适应尺度调整方法", 《上海大学学报(自然科学版)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3104332B1 (en) | Digital image manipulation | |
Min et al. | Fast global image smoothing based on weighted least squares | |
JP5861949B2 (ja) | オプティカルフローの決定のためのデジタル処理方法およびシステム | |
US8355592B1 (en) | Generating a modified image with semantic constraint | |
Korkalo et al. | Light-weight marker hiding for augmented reality | |
CN110622207B (zh) | 用于交叉渐变图像数据的系统与方法 | |
Sevcenco et al. | A wavelet based method for image reconstruction from gradient data with applications | |
CN107154070B (zh) | 矢量要素与数字地面模型叠加方法及装置 | |
JPWO2008041518A1 (ja) | 画像処理装置、画像処理装置の制御方法、および画像処理装置の制御プログラム | |
US20130128992A1 (en) | Methods and Apparatus for Preparation of Casual Stereoscopic Video | |
Tsai et al. | Polygon‐based texture mapping for cyber city 3D building models | |
Semenishchev et al. | Stitching algorithm of the images acquired from different points of fixation | |
KR101341617B1 (ko) | 단일 영상의 오차모델을 기반으로 한 고해상도 영상 복원장치 및 방법 | |
Iakushkin et al. | 3D reconstruction of landscape models and archaeological objects based on photo and video materials | |
CN103093415A (zh) | 基于协作表示的图像显著度计算方法 | |
Kröhnert | Automatic waterline extraction from smartphone images | |
Peng et al. | Detail enhancement for infrared images based on propagated image filter | |
US20180158194A1 (en) | Determining Optical Flow | |
CN103618904A (zh) | 基于像素的运动估计方法及装置 | |
Kostrzewa et al. | B4MultiSR: a benchmark for multiple-image super-resolution reconstruction | |
WO2020026739A1 (ja) | 画像処理装置 | |
Miles et al. | Computational photography | |
JP2020191030A (ja) | 画像処理装置 | |
Szczesna et al. | MOTION DATA DENOISING BASED ON THE QUATERNION LIFTING SCHEME MULTIRESOLUTION TRANSFORM. | |
Raimundo et al. | Improved point clouds from a heritage artifact depth low-cost acquisition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130508 |