CN103955689A - 一种采用频率筛选的图像视觉感兴趣区域提取方法 - Google Patents
一种采用频率筛选的图像视觉感兴趣区域提取方法 Download PDFInfo
- Publication number
- CN103955689A CN103955689A CN201410148358.9A CN201410148358A CN103955689A CN 103955689 A CN103955689 A CN 103955689A CN 201410148358 A CN201410148358 A CN 201410148358A CN 103955689 A CN103955689 A CN 103955689A
- Authority
- CN
- China
- Prior art keywords
- frequency
- image
- low
- vision area
- human eye
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种采用频率筛选的图像视觉感兴趣区域提取方法,本发明结合人眼视觉响应曲线和带通频率选择手段,能有效快速地获得高精度的视觉感兴趣区域提取结果。本发明包括如下步骤:(1)运用修正的人眼对比敏感函数(CSF)处理原始图像,得到符合人眼视觉特性的灰度层次分明的图像;(2)针对CSF滤波后的图像,筛选频率范围,构造感兴趣区域提取图。本发明结合人眼的视觉特性,使得其图像处理结果非常接近人眼视觉系统,只需要输入原始图像,即可快速得到图像视觉感兴趣区域提取结果。
Description
技术领域
本发明涉及图像处理技术,尤其涉及一种采用频率筛选的图像视觉感兴趣区域提取方法。
背景技术
视觉信息是人类认识世界的最主要的信息来源,在所有的信息中,75%的信息是通过光学图像信号获取的。光学成像技术与图像处理的相关理论与工作的飞速发展,使得图像工程也成为一门内容丰富且具有极大生命力的学科。在计算机的更新换代中,人们越来越希望其可以更自主、更智能地完成任务,这就需要结合人的视觉系统的相关功能研究。
近年来,关于视觉感知机制的研究非常热门。人的视觉系统可以在未知环境中不受复杂背景影响,快速准确的搜索到场景中的显著目标——人眼感兴趣的区域,这是视觉感知的概念来源。将生理、心理学研究的视觉认知机制通过信息科学表现出来,受到了研究者的关注。近年来,随着理论的逐渐丰富饱满,视觉感知在图像处理智能化、目标探测与模式识别等领域受到高度关注,已成为数学领域和工程应用领域的一大研究热点,具有很大的应用前景。
目前,针对图像中感兴趣的区域的提取技术发展很快,但也碰到了一些问题:首先是计算的速度有限,效率不高,这主要是计算的复杂性决定,因为这些区域的提取往往需要很多数学模型的构建与应用;很多提取结果的分辨率不高,往往比输入图像的分辨率要低,这也影响了后续的应用。因此,如何建立更符合人眼视觉系统的快速的感兴趣区域提取方法也是目前图像处理界的难题之一。
发明内容
本发明针对现有技术的问题,提出了一种采用频率筛选的图像视觉感兴趣区域提取方法,一方面结合人眼视觉特性进行分析,另一方面利用频率筛选简单有效实现图像感兴趣区域提取,使得感兴趣区域选择效率高、效果佳。
一种采用频率筛选的图像视觉感兴趣区域提取方法,其特征在于,该方法具体包括如下步骤:
步骤一:利用修正的人眼对比敏感函数Sa(u,v)处理输入的图像I,得到结果IF;
所述的Sa(u,v)=S(w)P(w,θ);(详见Y.Horita and M.Miyahara,“Imagecoding and quality estimation in uniform perceptual space,”IECE,Tokyo,Japan,IECE Tech.Rep.IE87-115,Jan.1987.)
式中:
u与v为水平和竖直方向的空间频率;
θ=tan-1(v/u),表示与水平方向夹角,β=5,f0=12cycles/degree,w0=2πf0/60;
步骤二:根据人眼对比敏感函数Sa(u,v)滤波后图像IF,筛选频率范围,构造感兴趣区域提取图S。
所述的感兴趣区域提取图S的构造过程如下:
首先对于图像IF进行傅里叶变换获取图像的频谱F(IF),然后选取高低截止频率对其频谱进行滤波:
Flow=F(IF)Vlow,Flow中保留了F(IF)中低于频率Vlow的值;
Fhigh=F(IF)Vhigh,Fhigh中保留了F(IF)中低于频率Vhigh的值;
这里F()为傅立叶变换,Vhigh与Vlow是对应的高频截止频率与低频截止频率;
然后对其频谱进行逆变换:
Ilow=F-1(Flow)
Ihigh=F-1(Fhigh)
其中F-1是傅里叶逆变换;
仅计算灰度显著性图像,式子如下:
S(x,y)=||Ilow(x,y)-Ihigh(x,y)||2
其中S(x,y)是表示图像在任意位置(x,y)处的显著性值,那么S就是感兴趣区域提取图像,即实现的图像视觉感兴趣区域选择求取结果,||*||2表示欧几里得距离,值越大表示该位置越显著。
本发明在对图像的频率域进行分析时,首先分析低频截止频率对于显著性的影响,从实验分析中发现随着低通截止频率的增大,图像突出的显著物体大小越来越小,所以为了能够有效的突出最大最显著的物体,则需要选取较低的低频截止频率;此外,低频截止频率的增大同时也会导致整个显著性区域的一致性变差,也证明则需要选取较低的低频截止频率;通过实验发现,当高频截止频率越高显著性物体的边缘估计就越准确,但为了去除图像纹理和噪声获得一致显著的图像,应该滤除部分超高频信息,所以要选择合适的高频截止频率,在尽可能保留图像边缘的时候,去除尽可能多的纹理细节。
与现有技术相比,本技术方案具有以下优点:现有的显著性/感兴趣区域提取方法主要有两个优点:第一,运用修正的人眼对比敏感函数处理图像,使得结果更符合人眼视觉观察的特性,更接近人眼视觉系统功能;第二,通过大量实验分析论证之后,得到了频率筛选的规律,利用简单的频率选取规则,快速实现图像中视觉感兴趣区域的提取,获得提取图像。
附图说明
图1为本发明方法的具体操作流程图;
图2为对比敏感函数曲线图;
图3a为输入的原始图像;
图3b为处理后获得的感兴趣区域提取图。
具体实施方式
为了获取图像的显著性特征,本发明结合人眼视觉特性曲线与图像频率筛选原则,简单且快速地实现显著性的提取,获得感兴趣区域提取图。
下面结合附图,通过具体实施例,对本发明的技术方案进行清楚、完整的描述。
本发明提出采用频率筛选的图像视觉感兴趣区域提取方法的操作框架如图1所示,其主要包含以下步骤:
1、运用修正的人眼对比敏感函数(CSF)处理原始图像,得到符合人眼视觉特性的灰度层次分明的图像。
对于原始输入图像如图3a,通过变换将图像转换到灰度空间,设代号为I。
运用如图2所示的修正的人眼视觉响应Sa(u,v)处理I(x,y)。
其中Sa(u,v)为sa(x,y)的频率域响应,于是在空间域计算:
IF(x,y)=I(x,y)*sa(x,y)
这里*表示卷积关系。
于是得到经过CSF滤波处理后的IF,这时图像已经是符合人眼兴趣观察的图像了。
2、根据CSF滤波后图像IF,筛选频率范围,构造感兴趣区域提取图。
接下去,本发明需要选择合适的低频截止频率和高频截止频率来处理图像。首先对于图像IF进行傅里叶变换获取图像的频谱F(IF),然后选取高低截止频率对其频谱进行滤波:
Flow=F(IF)Vlow,Flow中保留了F(IF)中低于频率Vlow的值;
Fhigh=F(IF)Vhigh,Fhigh中保留了F(IF)中低于频率Vhigh的值;
这里F()为傅立叶变换,Vhigh与Vlow是对应的高频截止频率与低频截止频率。
然后对其频谱进行逆变换:
Ilow=F-1(Flow)
Ihigh=F-1(Fhigh)
其中F-1是傅里叶逆变换。
仅计算灰度显著性图像,式子如下:
S(x,y)=||Ilow(x,y)-Ihigh(x,y)||2
其中S(x,y)是表示图像在任意位置(x,y)处的显著性值,那么S就是感兴趣区域提取图像,即本发明实现的图像视觉感兴趣区域选择求取结果,||*||2表示欧几里得距离,值越大表示该位置越显著。于是,获得的显著性图S如图3b所示,从结果中可以看出,在选择了合适的高低截止频率后,图像的显著性能够被有效的探测到,本发明实现了视觉感兴趣区域的有效提取与选择。
在本发明的图例中,Flow仅包含原图像的直流分量,而Fhigh对应的截止频率由于高斯函数Gauss(r,σ)决定,该函数r=3,σ=5。
采用本发明实施例的利用采用频率筛选的图像视觉感兴趣区域提取方法能快速稳定地对图像进行处理,得到较好的感兴趣区域提取结果,请参考图3,图3a是初始图像,图3b为提取的感兴趣提取图,将人眼感兴趣的边缘区域以相对权重的形式直接表现出来了。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (2)
1.一种采用频率筛选的图像视觉感兴趣区域提取方法,其特征在于,该方法具体包括如下步骤:
步骤一:利用修正的人眼对比敏感函数Sa(u,v)处理输入的图像I,得到结果IF;
所述的Sa(u,v)=S(w)P(w,θ)
式中:
u与v为水平和竖直方向的空间频率;
θ=tan-1(v/u),表示与水平方向夹角,β=5,f0=12cycles/degree,w0=2πf0/60;
步骤二:根据人眼对比敏感函数Sa(u,v)滤波后图像IF,筛选频率范围,构造感兴趣区域提取图S。
2.如权利要求1所述的采用频率筛选的图像视觉感兴趣区域提取方法,其特征在于:步骤二中所述的感兴趣区域提取图S的构造过程如下:
首先对于图像IF进行傅里叶变换获取图像的频谱F(IF),然后选取高低截止频率对其频谱进行滤波:
Flow=F(IF)Vlow,Flow中保留了F(IF)中低于频率Vlow的值;
Fhigh=F(IF)Vhigh,Fhigh中保留了F(IF)中低于频率Vhigh的值;
这里F()为傅立叶变换,Vhigh与Vlow是对应的高频截止频率与低频截止频率;
然后对其频谱进行逆变换:
Ilow=F-1(Flow)
Ihigh=F-1(Fhigh)
其中F-1是傅里叶逆变换;
仅计算灰度显著性图像,式子如下:
S(x,y)=||Ilow(x,y)-Ihigh(x,y)||2
其中S(x,y)是表示图像在任意位置(x,y)处的显著性值,那么S就是感兴趣区域提取图像,即实现的图像视觉感兴趣区域选择求取结果,||*||2表示欧几里得距离,值越大表示该位置越显著。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410148358.9A CN103955689A (zh) | 2014-04-14 | 2014-04-14 | 一种采用频率筛选的图像视觉感兴趣区域提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410148358.9A CN103955689A (zh) | 2014-04-14 | 2014-04-14 | 一种采用频率筛选的图像视觉感兴趣区域提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103955689A true CN103955689A (zh) | 2014-07-30 |
Family
ID=51332964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410148358.9A Pending CN103955689A (zh) | 2014-04-14 | 2014-04-14 | 一种采用频率筛选的图像视觉感兴趣区域提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955689A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785230A (zh) * | 2018-11-16 | 2019-05-21 | 南京大学 | 一种模拟人眼的图像中心增强处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060165311A1 (en) * | 2005-01-24 | 2006-07-27 | The U.S.A As Represented By The Administrator Of The National Aeronautics And Space Administration | Spatial standard observer |
CN101562758A (zh) * | 2009-04-16 | 2009-10-21 | 浙江大学 | 基于区域权重和人眼视觉特性的图像质量客观评价方法 |
CN102129694A (zh) * | 2010-01-18 | 2011-07-20 | 中国科学院研究生院 | 一种图像显著区域检测方法 |
CN102881010A (zh) * | 2012-08-28 | 2013-01-16 | 北京理工大学 | 基于人眼视觉特性的融合图像感知清晰度评价方法 |
CN103327359A (zh) * | 2013-06-14 | 2013-09-25 | 中国计量学院 | 一种应用于视频质量评价的视频显著性区域搜索方法 |
-
2014
- 2014-04-14 CN CN201410148358.9A patent/CN103955689A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060165311A1 (en) * | 2005-01-24 | 2006-07-27 | The U.S.A As Represented By The Administrator Of The National Aeronautics And Space Administration | Spatial standard observer |
CN101562758A (zh) * | 2009-04-16 | 2009-10-21 | 浙江大学 | 基于区域权重和人眼视觉特性的图像质量客观评价方法 |
CN102129694A (zh) * | 2010-01-18 | 2011-07-20 | 中国科学院研究生院 | 一种图像显著区域检测方法 |
CN102881010A (zh) * | 2012-08-28 | 2013-01-16 | 北京理工大学 | 基于人眼视觉特性的融合图像感知清晰度评价方法 |
CN103327359A (zh) * | 2013-06-14 | 2013-09-25 | 中国计量学院 | 一种应用于视频质量评价的视频显著性区域搜索方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785230A (zh) * | 2018-11-16 | 2019-05-21 | 南京大学 | 一种模拟人眼的图像中心增强处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018024030A1 (zh) | 一种夜视红外图像中的基于显著性的道路目标提取方法 | |
CN107358258B (zh) | 基于nsct双cnn通道和选择性注意机制的sar图像目标分类 | |
CN103218605B (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN103714537B (zh) | 一种图像显著性的检测方法 | |
CN103279957A (zh) | 一种基于多尺度特征融合的遥感图像感兴趣区域提取方法 | |
CN105457908B (zh) | 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及系统 | |
CN103632153B (zh) | 一种基于区域的图像显著图提取方法 | |
CN108108731A (zh) | 基于合成数据的文本检测方法及装置 | |
CN110580705B (zh) | 一种基于双域图信号滤波检测建筑物边缘点的方法 | |
US20130201358A1 (en) | Efficient Line Detection Method | |
CN107578053B (zh) | 轮廓提取方法及装置、计算机装置及可读存储介质 | |
Yanagisawa et al. | Face detection for comic images with deformable part model | |
CN104050674B (zh) | 一种显著性区域检测方法及装置 | |
Paikrao et al. | FPGA based image feature extraction using Xilinx System Generator | |
CN108682021B (zh) | 快速手部跟踪方法、装置、终端及存储介质 | |
CN104217430A (zh) | 基于l1正则化的图像显著性检测方法 | |
CN104616035B (zh) | 基于图像全局特征及SURF算法的Visual Map快速匹配方法 | |
CN104050673B (zh) | 一种基于K‑means图像分割的深度图提取方法 | |
CN110717454B (zh) | 一种舞台环境下的轮式机器人障碍检测方法 | |
CN103955689A (zh) | 一种采用频率筛选的图像视觉感兴趣区域提取方法 | |
CN112150474A (zh) | 一种水下气泡图像特征分割提取方法 | |
SG11201806345QA (en) | Image processing method and device | |
CN114529715B (zh) | 一种基于边缘提取的图像识别方法及系统 | |
CN116109682A (zh) | 一种基于图像扩散特征的图像配准方法 | |
US9798932B2 (en) | Video extraction method and device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140730 |