一种基于Stentiford视觉模型的优化方法
【技术领域】
[0001 ]本发明涉及一种基于Stentiford视觉模型的优化方法，属于图像处理技术领域。
【背景技术】
[0002] 近年来，随着多媒体技术和计算机网络的飞速发展，数字图像的容量急剧增长。只 针对图像感兴趣区域运行对应算法，一方面可以降低数据的规模，从而提高运行效率;另一 方面也可以减少非R0I对结果造成的干扰。因此图像感兴趣区域的提取技术已成为目前研 究的热点问题。
[0003] 目前基于图像的感兴趣区域提取(region of interest简称R0I)方法有很多，但 是大体方法可分为四类。
[0004] (1)人工指定的的方法，如（B Moghaddam，H Biermann，D Margaritis.Defining image content with multiple regions-〇f-interest[J]·IEEE Workshop on Content-Based Access oflmage and Video Libraries, 1999·)，是通过用户根据自己的知识手工 指定区域，此种方法的优点是机器可准确理解用户的真实意图，但是由于过程过多的人工 参与，所以交互过程不友好。
[0005] (2)人眼视点追踪法，如（SR Research Ltd.EyeLink II user manual version 2.12[R].Canada:SRResearch Ltd. ,2006.)是通过特制的仪器设备捕捉人眼观察图片时视 点位置，记录注视时间、注视坐标点和眨眼反应等指标，建立数学模型得到对比显著性水 平，从而初步得到的R0I，优点是可以很好地反应观察者注意区域，但由于过程中需要专业 设备，对于用户应用存在实践性差的特点。
[0006] (3)特定对象的分割方法，如（L Itti，C Koch，E Niebur · Amodel of sal iency based visual attention for rapid scene analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998,20(11) :1254-1259.)包括传统的图 像分割方法。例如，分水岭方法、小波变换方法等等，这些方法针对性比较强，只对于某些特 定图像效果十分理想。因此可知，此方法隐藏了一个前提，即特定对象要是感兴趣区域。
[0007] (4)视觉注意模型方法，如（F W M Stentiford.An attention based similarity measure with application to content based information retrieval[C] .Proceedings of the Storage and Retrieval for Media Databases Conference.Bellingham:Society of Photo-Optical Instrume ntation Engineers , 2003:221-232.)是模拟人眼视觉特性而建立的模型，构建视觉显著图。其中，著名的两个模 型是Itti视觉模型和Stentiford模型。Itti视觉模型对于物体颜色变化大的图像效果理 想。但对于显著物体较大、颜色均匀和图像中有反常点的图像效果较差。Stentiford模型比 Itti视觉模型效果更为清晰和准确。然而Stentiford模型有一些缺点制约了其应用范围。 首先，算法中是对某像素邻域结构随机选取，这使得结果带有过大的随机性。其次，算法对 于细节过于敏感，造成不均匀的背景中成大片区域当做目标区域。最后，计算量大，严重占 用资源，耗费大量时间。
【发明内容】
[0008] 针对上述技术问题，本发明所要解决的技术问题是提供一种基于Stentiford视觉 模型的优化方法，设计引入Uniform LBP算法解决随机性大和对细节过于敏感的缺点，能够 大幅提高图像区域提取的效果，而且通过三维数组的设计引入了直方图统计方法，大大提 高了处理速度，图像处理效率显著提升。
[0009] 本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于 St ent i ford视觉模型的优化方法，包括如下步骤：
[0010] 步骤001.针对待处理彩色图像进行灰度处理，获得待处理灰度图像，并进入步骤 002；
[0011]步骤002.分别针对待处理灰度图像中的各个像素点，以像素点为中心，设定该像 素点所对应的圆形测算区域，其中，该圆形测算区域的半径为相邻像素点之间的距离，该圆 形测算区域中包括该像素点和与该像素点相邻的上下左右四个像素点；由此获得待处理灰 度图像中各个像素点分别所对应的圆形测算区域，然后进入步骤003;
[0012] 步骤003.分别针对待处理灰度图像中的各个像素点，将像素点所对应圆形测算区 域中与该像素点相邻的上下左右四个像素点，以及位于该圆形测算区域的圆周上、相邻像 素点之间的中间位置，作为该像素点所对应圆形测算区域中与该像素点相邻的八个对象， 获得该像素点所对应圆形测算区域中与该像素点相邻八个对象的像素值，然后进入步骤 004；
[0013] 步骤004.分别针对待处理灰度图像中的各个像素点，针对像素点所对应圆形测算 区域中与该像素点相邻的八个对象，分别比较各个对象的像素值是否大于等于该像素点的 像素值，是则针对该对象标记为1，否则针对该对象标记为〇;然后针对该八个对象的标记 值，按预设起始位置和顺序进行组合构成一个八位二进制数，并将该八位二进制数转换为 十进制数值，对应于该像素点；由此即获得待处理灰度图像中各个像素点分别所对应的一 个十进制数值，进入步骤005;
[0014] 步骤005.根据待处理灰度图像，采用Uniform LBP模式，将待处理灰度图像中各个 像素点分别所对应的十进制数值，转换为与待处理灰度图像相对应、包含有5 9种数值的 Uniform LBP矩阵，其中，Uniform LBP矩阵中元素的个数与待处理灰度图像中像素点的个 数相等，且--对应，Uniform LBP矩阵中各元素的值即作为对应像素点的等级值，Uniform LBP矩阵中元素的值总共有59种数值，即待处理灰度图像中像素点的等级值总共有59种;然 后进入步骤006;
[0015] 步骤006.根据待处理灰度图像所对应的Uniform LBP矩阵，针对待处理灰度图像 中的各个像素点，分别建立像素点所对应的三维数组[Rank, Value，Location(x，y)]，其中， Rank表示对应像素点的等级值，Value表示对应像素点的像素值，Locat i on (x，y)表示对应 像素点的坐标;然后进入步骤007;
[0016] 步骤007.根据待处理灰度图像中各个像素点所对应的三维数组，将待处理灰度图 像中的所有像素点按其所对应的等级值Rank进行划分，进行直方图统计，即获得各等级值 Rank所分别对应的像素点集合If，然后进入步骤008;
[0017] 步骤008.针对59种等级值Rank，由最小等级值Rank开始，按等级值Rank从小至大 的顺序，依序分别针对各个等级值Rank所对应的像素点集合R'针对像素点集合If中的各个 像素点，分别按如下步骤00801至步骤00803进行操作，进而获得待处理灰度图像中各个像 素点的显著度；
[0018] 步骤00801.在像素点所在像素点集合If中除该像素点以外的其它各个像素点中， 任意取出预设N个像素点，组成该像素点所对应的集合T，然后进入步骤00802;其中，N小于 等于各像素点集合浐中最少像素点个数减1;
[0019] 步骤00802.针对该像素点，统计其对应集合T中与该像素点像素值Value不相等的 像素点的个数P，并进入步骤00803;
[0020] 步骤00803.
，即获得该像素点的显著度。
[0021 ]作为本发明的一种优选技术方案:所述步骤008之后，还包括步骤009，执行完步骤 008后，进入步骤009,其中，步骤009如下：
[0022]步骤009.针对待处理灰度图像中各个像素点的显著度，分别乘以预设比例系数， 更新待处理灰度图像中各个像素点的显著度，再根据待处理灰度图像，获得对应的显著图 像。
[0023] 作为本发明的一种优选技术方案:所述预设比例系数为255。
[0024] 作为本发明的一种优选技术方案:所述步骤003具体包括如下：
[0025] 分别针对待处理灰度图像中的各个像素点，根据像素点相邻上下左右四个像素点 的像素值，以及与该像素点相邻的左上、右上、左下、右下四个像素点的像素值，分别获得该 圆形测算区域的圆周上、相邻像素点之间中间位置的像素值;然后将该像素点所对应圆形 测算区域中与该像素点相邻的上下左右四个像素点，以及该圆形测算区域的圆周上、相邻 像素点之间的中间位置，作为该像素点所对应圆形测算区域中与该像素点相邻的八个对 象，即获得该像素点所对应圆形测算区域中与该像素点相邻八个对象的像素值。
[0026] 作为本发明的一种优选技术方案:所述步骤003中，分别针对待处理灰度图像中的 各个像素点，根据像素点相邻上下左右四个像素点的像素值，以及与该像素点相邻的左上、 右上、左下、右下四个像素点的像素值，四次采用双线性插值方法，分别获得该圆形测算区 域的圆周上、相邻像素点之间中间位置的像素值。
[0027] 本发明所述一种基于Stentifo