资源描述：
《基于感兴趣区域的图像分割方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第26卷第6期嘉应学院学报(自然科学)Vo.l26No.62008年12月JOURNALOFJIAYINGUNIVERSITY(NaturalScience)Dec.2008基于感兴趣区域的图像分割方法郭江鸿(嘉应学院计算机学院,广东梅州514015)[摘要]针对目前图像分割技术中多数算法所提取的目标区域不是用户感兴趣的目标,且往往需要在用户的辅助下才能完成的局限性,提出了一种新的基于感兴趣区域的图像分割方法,该方法将颜色矢量角应用于视觉关注度模型进行图像分割,实现了对感兴趣区域的自动提取。[关键词]图像检索;感兴趣区域;颜色矢量角;视觉关注度[中图分类号]T
2、P391[文献标识码]A[文章编号]1006-642X(2008)06-0042-03目前图像分割技术中多数算法所提取的目标区域不是用户感兴趣的目标,且往往需要在用户的[1]辅助下才能完成图像的分割和检索,具有一定的局限性。近年来,一些文献利用视觉关注度模型(VisualAttentionmodel)进行图像分割,提取图像中的感兴趣区域,但该方法普遍采用局部颜色分布特征估计像素的位置信息,在一定程度上表征相对位置不够准确。基于上述问题,本文将颜色矢量角引入到视觉关注度模型,利用其对图像的亮度变化不敏感的特性,得到较为稳定的图像边缘特征,进行图像分割,进而实现对
3、感兴趣区域的自动提取。1视觉关注度模型视觉组织是涉及多个信息加工阶段和多种机制协作的复杂过程。其中,图像分割与提取是复杂自然场景中的目标检测和识别的预处理步骤。近年来,一些文献利用视觉关注度模型进行图像分割,提取图像中的感兴[2]趣区域,如Itti等人采用图像颜色、亮度和位置三个通道的视觉关注图进行线性组合,形成了整幅图像的视觉关注度,最后用动态神经网络方法选取最显著的点作为视觉关注点。图1视觉关注度示例视觉关注度方法模拟了人类视觉注意的转换过程,关注度图和原始图像保持拓扑对应关系,视觉关注度大的像素往往是视觉较感兴趣的位置。图1为视觉关注度示例图。图中C、I、Q
4、分别为图像颜色、亮度和位置3个通道关注度,S为最后的整体关注度。[收稿日期]2008-07-25[作者简介]郭江鸿(1975-),山西长治人,男,讲师,硕士,主要研究方向:图像处理与模式识别。422颜色矢量角理论由于颜色矢量角本身具有对图像的亮度变化不敏感,对色调和饱和度的变化敏感的特性,因此[3,4]常常被用来缓解光照效应对图像的影响,在彩色图像的边缘检测方面得到广泛应用。颜色矢量角的正弦值可定义为:T2TT1/2sin()v1,v2=1-(v1v2)/v1v2v2,(1)式中v1,v2是两种颜色的矢量表示。由于颜色矢量角体现了两种颜色间的视觉差
5、异,因此可将其用于彩色图像的边缘检测。首先将一个33的模板滑过图像中的每个像素,计算每个像素和其8邻域像素之间的8个颜色矢量角,并找出最大的矢量角:A=sin()max=max(sin()v,v,sin()v,v,,sin()v,v)(2)c1c2c8式中vc,vi指在33模板中的中心像素和其8邻域像素的颜色矢量。当最大矢量角大于一个设定的阈值T时,这个中心像素将被看作为边缘点。阈值T的设定必须合适,如太大,会丢失大量的边缘点;如太小,则容易把一些平滑点看作边缘点,从而导致检测的准确度下降。实验发现,当阈值TA位于区间[0.08,0.09]时检测到的图像
6、边缘与人的视觉基本一致。3结合颜色矢量角视与觉关注度的感兴趣区域的提取方法针对图像检索的特性,需选取合适的种子区域进行区域增长和图像分割,种子点应是图像中视觉关注度大的点。令P是图像中的一个像素点,R代表以P为中心的55大小的区域,S表示像素的视觉关注度,表示区域R内所有点的注意度平均值,则种子度量值DR:s1SD55iR=e=eiR(3)由式(3)可知,种子点的视觉关注度越大,其度量值越大。因此可以选种子点度量较大的区域为种子区域,采用区域增长法进行图像分割。对感兴趣区域来说,在进行区域增长过程中既要考虑颜色矢量角的一致性,也要满足一定的视觉
7、关注度条件,这样才能自动选取出感兴趣区域。假设一个感兴趣区域从种子区域R开始生长。与区域U相邻的点集合可以定义为:W={(x,y)U,L(x,y)U},其中,L(x,y)表示以点(x,y)为中心的33的小区域。假定像素pH,它对应的注意度为S,对应的颜色矢量角为A。因此,决定像素P是否归入R的相似度测试可以定义为:true,iftTsandA
