本發(fā)明具體涉及一種基于顏色和紋理顯著性的目標檢測方法。

背景技術：

人眼可以很容易地判斷圖像中的顯著性區(qū)域，并注意到圖像的重要部分。所謂顯著性區(qū)域，可以理解為圖像中的主要目標，是人的視覺能夠在很短的時間內將注意力集中到圖像中某個能激發(fā)人們興趣的區(qū)域。顯著圖可以廣泛應用于許多計算機視覺領域的應用。

現(xiàn)有的圖像顯著區(qū)提取方法中，很多方法是基于像素級的局部或全局計算，主要是基于像素點和周圍像素的特征對比，忽略了顯著目標自身信息的指導，使得檢測結果不都理想。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是提供一種基于顏色和紋理顯著性的目標檢測方法。

基于顏色和紋理顯著性的目標檢測方法，包括以下步驟：

s1：對輸入的rgb彩色圖像進行顏色空間的轉化；

s2：圖像分塊：對于維數(shù)為的圖像i，將其分解為一系列大小為的圖像片；不考慮圖像片的重疊問題，那么圖像片的總數(shù)為；對于任一圖像片，將其表示成向量形式，最終得到一個表示圖像片的矩陣；

s3：計算顏色顯著值：顏色空間分布定義為小塊與其它圖像塊的空間分布差異，并用顏色差距作為權重，故圖像塊的空間分布定義為：

；

其中，為顏色權重，控制顏色權重的強度；

將空間分布用指數(shù)函數(shù)表示：

；

其中，是第i個圖像塊的顏色顯著性值，是顏色獨特性，表示顏色的空間分布，k控制空間分布所占的比重；

s4：計算紋理顯著值：定義圖像塊之間紋理對比度為：

；

其中，表示圖像片紋理對比度，、表示圖像片和的紋理特征向量，表示向量的2范數(shù)，由此得到圖像的紋理顯著性；

s5：特征融合：采用線性融合方法；

；

和為滿足的常系數(shù)。

本發(fā)明的有益效果是：

本發(fā)明先將圖像分割成小的圖像片以獲取圖像的局部信息，結合圖像片顏色的獨特性和空間分布的緊湊型計算得到顏色顯著性，同時利用gabor濾波器對圖像進行不同尺度和方向地濾波得到紋理特征向量，然后對特征向量計算紋理差異得到紋理顯著圖，最后將二者結合得到最終顯著圖。該方法在檢測效果和抗噪能力等方面均可獲得滿意的結果。

具體實施方式

以下具體實施例對本發(fā)明作進一步闡述，但不作為對本發(fā)明的限定。

基于顏色和紋理顯著性的目標檢測方法，包括以下步驟：

s1：對輸入的rgb彩色圖像進行顏色空間的轉化；

s2：圖像分塊：對于維數(shù)為的圖像i，將其分解為一系列大小為的圖像片；不考慮圖像片的重疊問題，那么圖像片的總數(shù)為；對于任一圖像片，將其表示成向量形式，最終得到一個表示圖像片的矩陣；

s3：計算顏色顯著值：顏色空間分布定義為小塊與其它圖像塊的空間分布差異，并用顏色差距作為權重，故圖像塊的空間分布定義為：

；

其中，為顏色權重，控制顏色權重的強度；

將空間分布用指數(shù)函數(shù)表示：

；

其中，是第i個圖像塊的顏色顯著性值，是顏色獨特性，表示顏色的空間分布，k控制空間分布所占的比重；

s4：計算紋理顯著值：定義圖像塊之間紋理對比度為：

；

其中，表示圖像片紋理對比度，、表示圖像片和的紋理特征向量，表示向量的2范數(shù)，由此得到圖像的紋理顯著性；

s5：特征融合：采用線性融合方法；

；

和為滿足的常系數(shù)。