王媛媛 左圓圓 劉冠瑀

首都經(jīng)濟(jì)貿(mào)易大學(xué) 管理工程學(xué)院 北京 豐臺 100070

引言

隨著人工智能技術(shù)的發(fā)展，對于機(jī)器視覺中的視覺顯著性檢測問題[1]已經(jīng)成為研究的熱點(diǎn)，視覺顯著性應(yīng)用的范圍也已經(jīng)十分廣泛[2]，目前比較多用于視頻圖像的運(yùn)動目標(biāo)檢測、圖像信息的檢索、圖像編輯、圖像分割[3]等。

目前，很多學(xué)者致力于視覺顯著性和圖像分割的研究，已經(jīng)有很多理論方法提出被驗(yàn)證。Zhang等[4]提出了一種基于字典學(xué)習(xí)和圖像分割的圖像融合算法，能較好地保存圖像信息提高圖像對比度。Liang等[5]提供了全局信息補(bǔ)充了局部對象信息，并通過眼動跟蹤和鼠標(biāo)跟蹤來收集注視數(shù)據(jù)。RuichaoHou等[6]針對現(xiàn)有問題，提出了一種基于視覺顯著性和多目標(biāo)人工蜂群優(yōu)化的尖峰皮層模型。M.MunawwarIqbalCh等[7]提出了一種利用顯著映射和交叉雙側(cè)濾波器進(jìn)行磁共振和計算機(jī)斷層源成像的圖像融合技術(shù)，在邊緣、顯著性和結(jié)構(gòu)信息方面均優(yōu)于現(xiàn)有方案。

本文通過首先提取底層圖像特征，根據(jù)底層特征進(jìn)行顯著性特征的度量，選擇顏色分布直方圖[8]的峰值作為顯著性檢測依據(jù)，利用二值化圖像與原始圖像對目標(biāo)進(jìn)行分割，達(dá)到顯著性檢測分割圖像的目的。

1 特征提取

本文的方法主要分為兩部分，先對圖像的顯著性進(jìn)行檢測，再在顯著性的基礎(chǔ)上對圖像進(jìn)行分割。選用的是計算顏色分布直方圖作為計算顯著性依據(jù)。選用的測試圖像中的紅色區(qū)域即為顯著性區(qū)域，計算顏色分布直方圖，對圖像中顯著性最大的區(qū)域進(jìn)行檢測分割。

底層特征提取，圖像中的顯著區(qū)域指的是與周圍環(huán)境的差異較大能夠被人眼顯著識別的區(qū)域，圖像中的信息包含很多固有屬性，這些屬性中至少有一種特征與環(huán)境的差異能夠凸顯該區(qū)域，對于不同特征于不同圖像中的顯著性是不同的。根據(jù)相關(guān)文獻(xiàn)提取顏色特征，HSV顏色空間更加適合人類視覺系統(tǒng)將原始RGB圖像轉(zhuǎn)換成HSV顏色空間。顯著性特征提取選取原始圖像中的色彩特征作為顯著性的特征，其在圖像顯著性檢測和圖像分割問題上被廣泛應(yīng)用，它代表該幅圖像中所有顏色所占整幅圖像色彩的比例，對于色彩分布的位置是無關(guān)因素，適用于背景復(fù)雜、色彩明確、難以進(jìn)行自動分割的圖像數(shù)據(jù)[9]。

2 圖像分割

對原始圖像依據(jù)顏色分布直方圖進(jìn)行顯著性檢測，根據(jù)得到的顯著圖，選擇合適的閾值對其進(jìn)行閾值分割，并將圖像二值化。其中顯著性區(qū)域是白色，背景區(qū)域是黑色[10]，根據(jù)二值化圖像，對原始圖像進(jìn)行處理，能夠得到想要分割的前景目標(biāo)區(qū)域。

3 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果如下圖1所示，對于紅色顯著前景區(qū)域的分割效果符合對圖像顯著性區(qū)域分割的要求。

圖1 部分圖像分割結(jié)果

4 結(jié)論

文章選用HSV顏色空間，提取底層顏色特征，計算顏色分布直方圖，作為圖像顯著性檢測依據(jù)，對顯著圖進(jìn)行閾值分割，得到二值化圖像，對原始圖像進(jìn)行前景和背景的分離。由于選取的實(shí)驗(yàn)數(shù)據(jù)具有明顯的顏色特征，目標(biāo)明確，背景盡管復(fù)雜但是分割的效果較好，日后對于背景復(fù)雜、顏色特征不明確的圖像的進(jìn)一步研究是未來的方向，得到更加具有適用性和魯棒性的視覺顯著性分割算法。