陳杰

摘 要 本文提出了一個基于感受野的視覺顯著性特征提取算法，解決了視覺顯著性特征提取中的兩個核心問題：目標(biāo)區(qū)域顯著性的定義和度量、顯著區(qū)域空間尺度的檢測和確定，它在目標(biāo)識別和圖像檢索等多個領(lǐng)域都有著潛在的應(yīng)用價值。將該算法在真實的遙感圖像和自然場景圖像上加以應(yīng)用，均取得了令人滿意的試驗結(jié)果。

關(guān)鍵詞 圖像；視覺；提?。凰惴?/p>

中圖分類號 TP3 文獻(xiàn)標(biāo)識碼 A 文章編號 1674-6708（2018）207-0104-02

圖像分析的核心任務(wù)是對圖像中感興趣的目標(biāo)進(jìn)行檢測和測量，獲取它們的相關(guān)信息，進(jìn)而建立對圖像的明確而有意義的內(nèi)容描述。這在目標(biāo)的識別、分類、跟蹤以及圖像檢索等眾多圖像分析應(yīng)用領(lǐng)域中，都是必須面對的關(guān)鍵性問題。在圖像分析過程中，所有區(qū)域的優(yōu)先級都是相同的，而包含感興趣目標(biāo)的區(qū)域通常僅是其中很小的一分子，這就意味著我們在找到和分析這些目標(biāo)的同時，還要在其他不包含目標(biāo)的區(qū)域上消耗大量的無謂計算，有時這種無謂計算甚至?xí)紦?jù)算法的絕大部分運(yùn)行時間。顯然，這種計算浪費(fèi)不是我們所希望的，但是它似乎又是不可避免的，是為了完成圖像分析任務(wù)所付出的必要代價。

本文借鑒視覺心理學(xué)的相關(guān)成果，通過對選擇性視覺過程的分析，得到了一個新的視覺顯著性特征提取算法：該算法通過中心區(qū)和周邊區(qū)相互拮抗的同心圓式感受野模型來定義和度量目標(biāo)區(qū)域的視覺顯著性；將該算法在真實的遙感圖像和自然場景圖像上加以應(yīng)用，均取得了令人滿意的試驗結(jié)果。

1 視覺顯著性檢測算法

1.1 視覺顯著性檢測中的關(guān)鍵性問題

目標(biāo)區(qū)域與其他區(qū)域之間的視覺屬性差異是形成視覺顯著性的主要原因，首先分析一下在這個視覺顯著性檢測過程中可能遇到的和必須解決的幾個關(guān)鍵性問題。它們分別是：

1）視覺顯著性的度量：視覺顯著性是在對不同圖像區(qū)域之間的視覺屬性差異數(shù)據(jù)進(jìn)行合理組織的基礎(chǔ)上形成的，當(dāng)然必須考慮如何組織這種視覺屬性差異數(shù)據(jù)，實現(xiàn)對視覺顯著性的度量。

2）目標(biāo)區(qū)域空間尺度的確定：視覺顯著性總是針對圖像中某一個具體的空間范圍而言的，或者更準(zhǔn)確地說，是針對一塊具體的圖像區(qū)域而言的，這樣就必須考慮如何確定該目標(biāo)區(qū)域的空間尺度。

3）視覺特征的選擇和度量：不同圖像區(qū)域之間的視覺屬性差異是形成視覺顯著性的主要原因，這樣就必須考慮選擇哪些視覺特征來描述圖像區(qū)域的視覺屬性，以及如何度量這些視覺特征。

1.2 對上述問題的解決方案

針對上述幾個在視覺顯著性檢測中的關(guān)鍵性問題，我們參照生理心理學(xué)的相關(guān)研究成果，分別提出了以下的解決方案。

1）利用感受野（Receptive Field）模型對視覺顯著性進(jìn)行度量。

由上式可以看到，R中心區(qū)的尺度是s，這與目標(biāo)區(qū)域的尺度是吻合的。

2）根據(jù)感受野等級假設(shè)檢測和確定目標(biāo)區(qū)域的空間尺度。

根據(jù)感受野等級假設(shè)，我們在視覺顯著性檢測中將一組由小到大等級排列的感受野模板作為不同層次的視覺顯著性檢測單元。對于圖像中一個給定的空間位置，以其為中心通過這些感受野模板來計算該空間位置上不同層次的視覺顯著度數(shù)值，然后從中找到最大的一個值，將它對應(yīng)的感受野模板的中心區(qū)尺度確定為給定位置上的目標(biāo)區(qū)域的空間尺度。

此公式對于非重疊區(qū)域同樣適用。

3）根據(jù)感受野模板尺度與檢測步長、圖像分辨率的關(guān)系。

為了排除不必要的計算，我們通過多尺度網(wǎng)格實現(xiàn)了多分辨率下的快速檢測。對原始圖像進(jìn)行多個尺度上的網(wǎng)格劃分，得到一組多分辨率圖像。對于同一個感受野模板來說，它在低分辨率圖像中的實際尺度就要大于在高分辨率圖像中的實際尺度；檢測步長在低分辨率圖像中的實際尺度也要大于在高分辨率圖像中的實際尺度。

8）轉(zhuǎn)向6）。

9）此時，在SS中存儲的就是每個像素點(diǎn)上的目標(biāo)區(qū)域尺度S，而VV中存儲的就是相應(yīng)的視覺顯著度V，通過公式（2）處理目標(biāo)區(qū)域之間的重疊現(xiàn)象，得到視覺顯著性檢測結(jié)果u，對u進(jìn)行歸一化后輸出。

3 試驗結(jié)果

為了檢驗上述算法的實際應(yīng)用效果，我們在包括遙感圖像、人臉圖像和自然場景圖像在內(nèi)的各類真實圖像上進(jìn)行了大量試驗，取得了較為滿意的效果。

4 討論與展望

本文提出的基于感受野的視覺顯著性檢測算法將心理學(xué)和生理學(xué)的相關(guān)成果與多種圖像分析技術(shù)有機(jī)的結(jié)合起來，調(diào)整了對視覺顯著性的定義，使檢測結(jié)果更加符合人類視覺感知，同時引入了多分辨率技術(shù)，使算法運(yùn)算速度大大加快。該方法在真實的遙感圖像和自然場景圖像上的成功應(yīng)用說明了其廣泛的應(yīng)用前景。當(dāng)然，該算法還存在一些尚未解決的問題，包括感受野的形狀、特征選擇、信息反饋等。

參考文獻(xiàn)

[1]趙彥明，季圣杰.基于圖像自身復(fù)雜視覺信息的特征提取算法與應(yīng)用[J].計算機(jī)科學(xué)，2014，41（s1）：234-238.

[2]李榮，徐燕華.基于視覺信息的圖像特征提取算法研究[J].電子設(shè)計工程，2016，24（9）：188-190.

[3]基于視覺信息的PCNN參數(shù)自適應(yīng)設(shè)定及模型改進(jìn)[J].計算機(jī)科學(xué)，2013，40（6）：291-294.