一种基于颜色对比度的局部区域检测子提取方法及系统的制作方法

一种基于颜色对比度的局部区域检测子提取方法及系统的制作方法
【技术领域】
[0001] 本发明设及图像检索、图像识别、对象跟踪检测领域，特别设及一种基于颜色对比 度的局部区域检测子提取方法及系统。
【背景技术】
[0002] 目前顶级的图像检测子主要分为两类；基于角点的检测子，如HarrisAffine Detector、HessianAffineDetector;基于区域的检测子，如IBR、邸R、SIFT、MSER。目前 研究已发现，基于区域的检测子在图像检索应用中取得的效果优于基于角点的检测子，其 主要原因是基于区域的检测子能提取更具代表性和区分性的局部区域。
[000引 MSER区域检测子被证明是最佳的区域检测子，然而MS邸区域检测子也存在其自 身的缺陷与不足，实验发现，MSER区域是灰度分布相一致的稳定极值区域，然而该样的区域 多为冗余而繁杂的区域，不具备代表性，造成内容消耗大，提取检测子速度慢，寻根溯源，在 于MSER底层排序的区分力度不够，针对该问题，我们提出基于颜色对比度排序的CCM区域 检测子，减少内存消耗，加快检测子提取速度。
[0004] 发明专利"一种用于替换视频中感兴趣区域的方法及装置"，该发明实施例公开了 一种用于替换视频中感兴趣区域的方法及装置，设及视频处理技术领域，所述方法包括：确 定目标视频帖中感兴趣区域的位置；在=维坐标系中，根据所述目标视频帖中感兴趣区域 的位置，确定预设的待替换图像的映射图像；将所述目标视频帖中感兴趣区域替换为所述 映射图像。应用该发明实施例，替换目标视频帖中的感兴趣区域后，可W与其周围像素自然 过渡，提高用户体验效果。但是该发明是通过感兴趣区域的映射，替换目标视频中感兴趣区 域，实现局部的替换和更新，提升用户体验。而本发明是通过分析图像颜色一致性，从而提 取图像中具有代表性的局部区域。
[0005] 发明专利"基于感兴趣区域的幅型比变换方法"，该发明公开了一种基于感兴趣区 域的幅型比变换方法，主要解决现有方法变换后运动目标失真的缺陷。其步骤为；利用光流 场信息和模糊聚类技术进行运动区域检测，同时采用均值偏移算法实现图像空域分割，并 将空间分隔后的图像与运动区域检测后的运动区域进行投影计算，得到精确的运动目标； 利用图像修复技术修补被运动目标遮掩的背景区域，获得完整的背景；利用图像插值算法， 对修复后的背景和运动目标分别采用不同的变换比例进行变换；将变换后的背景和目标物 相叠加合成相应幅型比的视频图像。该发明既保证了变换后运动目标的无失真性，又很好 地保持了画面的和谐和视频的连续，提高了变换后的视觉效果，适用于视频图像处理的格 式转换。但是该发明是将感兴趣区域的幅型比变换方法应用于运动目标失真的修复和变换 中，本发明重点在于对感兴趣区域的检测过程。

【发明内容】

[0006] 针对现有技术不足，本发明提出了一种基于颜色对比度的局部区域检测子提取方 法及系统。
[0007] 本发明提出一种基于颜色对比度的局部区域检测子提取方法，包括：
[000引步骤1，获取图像，并对所述图像的四个角进行尺度选择，通过二维信息滴值的局 部极小值选取所述图像的图像背景的最佳尺度，根据所述最佳尺度，建立背景RGB=通道 高斯混合模型；
[0009] 步骤2,对所述图像中每个像素点建立RGB=通道高斯混合模型，并根据每个所述 像素点的RGB S通道高斯混合模型与所述背景RGB S通道高斯混合模型的化距离，更新所 述图像的颜色对比度排序；
[0010] 步骤3,根据所述颜色对比度排序，通过分水岭的区域检测方式检测对比度一致的 区域，所述区域为所述局部区域检测子。
[0011] 所述的基于颜色对比度的局部区域检测子提取方法，所述二维信息滴值的计算方 式如下：
[0012]
[0013] 其中C代表RGB S通道，S代表尺度，Wi代表信息滴的权重，信息滴Hi(S)定义如 下：
[0016] 其中Q代表量化后的颜色对比度值，Pu(c，S)代表像素值f(i，如出现在一副MXN 大小的图像中的概率，f(i，j)代表像素值i的八邻域像素值为j的概率值，M为图像的宽 度，N为图像的高度。
[0017] 所述的基于颜色对比度的局部区域检测子提取方法，颜色对比度排序计算公式 为：
[001 引
[0019] 其中Ut，Ub本别代表两个高斯模型的均值，Et和Eb代表混合高斯模型的协方差 矩阵，t代表图像中像素的标记，b代表图像中背景的标记，T代表矩阵的转置，Pt为图像中 每一个像素和其周围15*15像素块所形成的混合高斯分布模型，Pb为图像的背景混合高斯 模型，CC(Pt，Pb)代表图像中每个像素与背景混合高斯模型的距离；
[0020] 所述的基于颜色对比度的局部区域检测子提取方法，所述步骤2还包括将=通道 对比度进行加权融合。
[0021] 所述的基于颜色对比度的局部区域检测子提取方法，所述步骤2包括对所述图像 中的每个像素点选取15*15的模板建立RGB=通道高斯混合模型。
[0022] 本发明还提出一种基于颜色对比度的局部区域检测子提取系统，包括：
[0023] 建立背景RGB=通道高斯混合模型模块，用于获取图像，并对所述图像的四个角 进行尺度选择，通过二维信息滴值的局部极小值选取所述图像的图像背景的最佳尺度，根 据所述最佳尺度，建立背景RGB=通道高斯混合模型；
[0024] 颜色对比度排序模块，用于对所述图像中每个像素点建立RGBS通道高斯混合模 型，并根据每个所述像素点的RGB=通道高斯混合模型与所述背景RGB=通道高斯混合模 型的化距离，更新所述图像的颜色对比度排序；
[0025] 提取局部区域检测子模块，用于根据所述颜色对比度排序，通过分水岭的区域检 测方式检测对比度一致的区域，所述区域为所述局部区域检测子。
[0026] 所述的基于颜色对比度的局部区域检测子提取系统，所述二维信息滴值的计算方 式如下：
[0027]
[002引其中C代表RGBS通道，S代表尺度，Wi代表信息滴的权重，信息滴Hi (S)定义如 下：
[003U其中Q代表量化后的颜色对比度值，Pu(c，S)代表像素值f(i，j)出现在一副MXN大小的图像中的概率，f(i，j)代表像素值i的八邻域像素值为j的概率值，M为图像的宽 度，N为图像的高度。
[0032] 所述的基于颜色对比度的局部区域检测子提取系统，颜色对比度排序计算公式 为：
[0033]
[0034] 其中Ut，Ub本别代表两个高斯模型的均值，Et和Eb代表混合高斯模型的协方差 矩阵，t代表图像中像素的标记，b代表图像中背景的标记，T代表矩阵的转置，Pt为图像中 每一个像素和其周围15*15像素块所形成的混合高斯分布模型，Pb为图像的背景混合高斯 模型，CC(Pt，Pb)代表图像中每个像素与背景混合高斯模型的距离；
[0035] 所述的基于颜色对比度的局部区域检测子提取系统，所述颜色对比度排序模块还 包括将=通道对比度进行加权融合。
[0036] 所述的基于颜色对比度的局部区域检测子提取系统，所述颜色对比度排序模块包 括对所述图像中的每个像素点选取15*15的模板建立RGB=通道高斯混合模型。
[0037] 由W上方案可知，本发明的优点在于：
[003引本发明在一定的图像仿射变化（旋转、尺度）、图像模糊、JPEG压缩等具有良好的 鲁椿性，此外本发明提取检测子速度快，内存占用少，可应用于大规模图像检索场景，例如 大规模图像检索、图像识别与对象跟踪检测等。
【附图说明】
[0039] 图la-图Id为现有技术与本发明技术效果的对比图；
[0040] 图2为本发明技术效果图；
[0041] 图3为本发明对RGB=个通道的像素值进行高斯混合模型的模拟图。
【具体实施方式】
[0042] 本发明的目的是有效解决现有局部区域检测子在大规模图像检索中特征提取慢， 内存开销大，鲁椿性不高的问题，提出了一种基于颜色对比度的局部区域检测子提取方法 及系统。
[0043] W下为本发明的总体步骤，如下所示：
[0044] 基于对比度排序需要W背景颜色模型为基准，背景颜色模型建模成为首要问题， 通过二维信息滴值的局部极小值选取背景模型的尺度大小，然后建立背景RGB=通道高斯 混合模型；
[0045] 基于混合高斯模型的化距离来更新颜色对比度，对所述图像中每个像素点建立 RGB=通道高斯混合模型，并根据每个所述像素点的RGB=通道高斯混合模型与所述背景 RGBS通道高斯混合模型的化距离，更新所述图像的颜色对比度排序，对于图像中的每个 像素选取15*15的模板建立RGBS通道高斯混合模型，通过计算该像素点的高斯混合模型 与背景的高斯混合模型的化距离来更新颜色对比度排序，将S通道对比度进行加权融合；
[0046] 基于颜色对比度排序，进行一致性对比度区域检测，通过分水岭的区域检测方式 检测对比度一致的区域，该区域是稳定的局部极值区域（局部区域检测子）。
[0047] W下为本发明一实施例，如下所示：
[0048] 本发明主要分为S个阶段：建立背景颜色模型、颜色对比度排序、一致性颜色区域 检测。
[0049] 建立背景颜色模型，如图3所示，该阶段主要是对图像的四个角进行尺度选择，通 过二维信息滴值选择局部极小值的方式选出模拟背景的最佳尺度，进一步对RGB=个通道 的像素值进行高斯混合模型的模拟，W下为信息滴的计算公式：
[0化0] 尺度选择中二维信息滴值的计算方式如下：
[0化1]
[0052] 其中C代表RGBS通道，S代表尺度，Wi代表信息滴的权重，信息滴Hi (S)定义如 下：
[0化5] 其中Q代表量化后的颜色对比度值，Pu(c，S)代表像素值f(i，j)出现在一副MXN 大小的图像中的概率，f(i，j)代表像素值i的八邻域像素值为j的概率值，M为图像的宽 度，N为图像的高度；
[0化6] 颜色对比度排序，该阶段通过对图像中的每一个像素周围邻域15*15模板建立高 斯混合模型，在第一阶段计算出的背景颜色模型的基准上，计算混合高斯模型的化距离作 为颜色对比度排序，W下为颜色对比度排序计算公式：
[0057]
[0化8] 其中Ub本别代表两个高斯模型的均值，Et和Eb代表混合高斯模型的协方差 矩阵，t代表图像中像素的标记，b代表图像中背景的标记，T代表矩阵的转置，Pt为图像中 每一个像素和其周围15*15像素块所形成的混合高斯分布模型，Pb为图像的背景混合高斯 模型，CC(Pt，Pb)代表图像中每个像素与背景混合高斯模型的距离）；
[0化9] 一致性颜色区域检测，该阶段接受颜色对比度排序后的图像，通过分水岭的浸没 式增长方式进行区域的检测，得到最终的具有一致性颜色的稳定局部极值区域（局部区域 检测子）。
[0060] 本发明还提出一种基于颜色对比度的局部区域检测子提取系统，包括：
[0061] 建立背景RGB=通道高斯混合模型模块，用于获取图像，并对所述图像的四个角 进行尺度选择，通过二维信息滴值的局部极小值选取所述图像的图像背景的最佳尺度，根 据所述最佳尺度，建立背景RGB=通道高斯混合模型；
[0062] 颜色对比度排序模块，用于对所述图像中每个像素点建立RGBS通道高斯混合模 型，并根据每个所述像素点的RGB=通道高斯混合模型与所述背景RGB=通道高斯混合模 型的化距离，更新所述图像的颜色对比度排序；
[0063] 提取局部区域检测子模块，用于根据所述颜色对比度排序，通过分水岭的区域检 巧巧式检测对比度一致的区域，所述区域为所述局部区域检测子
[0064] 所述二维信息滴值的计算方式如下：
[00 化]
[0066] 其中C代表RGBS通道，S代表尺度，Wi代表信息滴的权重，信息滴Hi(S)定义如 下：
[0069] 其中Q代表量化后的颜色对比度值，Pu(c，S)代表像素值f(i，如出现在一副MXN 大小的图像中的概率，f(i，j)代表像素值i的八邻域像素值为j的概率值，M为图像的宽 度，N为图像的高度。
[0070] 颜色对比度排序计算公式为：
[0071]
[007引其中Ut，Ub本别代表两个高斯模型的均值，Et和Eb代表混合高斯模型的协方差 矩阵，t代表图像中像素的标记，b代表图像中背景的标记，T代表矩阵的转置，Pt为图像中 每一个像素和其周围15*15像素块所形成的混合高斯分布模型，Pb为图像的背景混合高斯 模型，CC(Pt，Pb)代表图像中每个像素与背景混合高斯模型的距离；
[0073] 所述颜色对比度排序模块还包括将=通道对比度进行加权融合。
[0074] 所述颜色对比度排序模块包括对所述图像中的每个像素点选取15*15的模板建 立RGB=通道高斯混合模型。
[0075] W下为本发明总的技术效果，如下所示：
[0076] 本发明并在公开的数据集上做测试，同时与HarrisAffineDetector、Hessian AffineDetector、MSER、IBR、EBR局部区域检测子的代表性方法做了对比，衡量的指标是 repeat油ility(重复率），重复率对比指标，如图la、化、1C、Id所示。
[0077] 同时，本发明的关键点在于优化底层排序机制，从而使检测出的区域具备代表性， 并且能减少内存占用量和特征提取时间，检测效果如图2所示。
【主权项】
1. 一种基于颜色对比度的局部区域检测子提取方法，其特征在于，包括： 步骤1，获取图像，并对所述图像的四个角进行尺度选择，通过二维信息熵值的局部极 小值选取所述图像的图像背景的最佳尺度，根据所述最佳尺度，建立背景RGB三通道高斯 混合模型； 步骤2,对所述图像中每个像素点建立RGB三通道高斯混合模型，并根据每个所述像素 点的RGB三通道高斯混合模型与所述背景RGB三通道高斯混合模型的KL距离，更新所述图 像的颜色对比度排序； 步骤3,根据所述颜色对比度排序，通过分水岭的区域检测方式检测对比度一致的区 域，所述区域为所述局部区域检测子。2. 如权利要求1所述的基于颜色对比度的局部区域检测子提取方法，其特征在于，所 述二维信息熵值的计算方式如下：其中C代表RGB三通道，s代表尺度，Wi代表信息熵的权重，信息熵H i (s)定义如下：其中Q代表量化后的颜色对比度值，pu(c，s)代表像素值f(i，j)出现在一副MXN大 小的图像中的概率，f(i，j)代表像素值i的八邻域像素值为j的概率值，M为图像的宽度， N为图像的高度。3. 如权利要求1所述的基于颜色对比度的局部区域检测子提取方法，其特征在于，颜 色对比度排序计算公式为：其中ut，ub本别代表两个高斯模型的均值，Σ，ΡΣ b代表混合高斯模型的协方差矩阵， t代表图像中像素的标记，b代表图像中背景的标记，T代表矩阵的转置，pt为图像中每一个 像素和其周围15*15像素块所形成的混合高斯分布模型，p b为图像的背景混合高斯模型， CC(pt，pb)代表图像中每个像素与背景混合高斯模型的距离。4. 如权利要求1所述的基于颜色对比度的局部区域检测子提取方法，其特征在于，所 述步骤2还包括将三通道对比度进行加权融合。5. 如权利要求1所述的基于颜色对比度的局部区域检测子提取方法，其特征在于，所 述步骤2包括对所述图像中的每个像素点选取15*15的模板建立RGB三通道高斯混合模 型。6. -种基于颜色对比度的局部区域检测子提取系统，其特征在于，包括： 建立背景RGB三通道高斯混合模型模块，用于获取图像，并对所述图像的四个角进行 尺度选择，通过二维信息熵值的局部极小值选取所述图像的图像背景的最佳尺度，根据所 述最佳尺度，建立背景RGB三通道高斯混合模型； 颜色对比度排序模块，用于对所述图像中每个像素点建立RGB三通道高斯混合模型， 并根据每个所述像素点的RGB三通道高斯混合模型与所述背景RGB三通道高斯混合模型的 KL距离，更新所述图像的颜色对比度排序； 提取局部区域检测子模块，用于根据所述颜色对比度排序，通过分水岭的区域检测方 式检测对比度一致的区域，所述区域为所述局部区域检测子。7. 如权利要求6所述的基于颜色对比度的局部区域检测子提取系统，其特征在于，所 述二维信息熵值的计算方式如下：其中C代表RGB三通道，s代表尺度，Wi代表信息熵的权重，信息熵H i (s)定义如下：其中Q代表量化后的颜色对比度值，pu(c，s)代表像素值f(i，j)出现在一副MXN大 小的图像中的概率，f(i，j)代表像素值i的八邻域像素值为j的概率值，M为图像的宽度， N为图像的高度。8. 如权利要求6所述的基于颜色对比度的局部区域检测子提取系统，其特征在于，颜 色对比度排序计算公式为：其中ut，ub本别代表两个高斯模型的均值，Σ，ΡΣ b代表混合高斯模型的协方差矩阵， t代表图像中像素的标记，b代表图像中背景的标记，T代表矩阵的转置，pt为图像中每一个 像素和其周围15*15像素块所形成的混合高斯分布模型，p b为图像的背景混合高斯模型， CC(pt，pb)代表图像中每个像素与背景混合高斯模型的距离。9. 如权利要求6所述的基于颜色对比度的局部区域检测子提取系统，其特征在于，所 述颜色对比度排序模块还包括将三通道对比度进行加权融合。10. 如权利要求6所述的基于颜色对比度的局部区域检测子提取系统，其特征在于，所 述颜色对比度排序模块包括对所述图像中的每个像素点选取15*15的模板建立RGB三通道 高斯混合模型。
【专利摘要】本发明公开了一种基于颜色对比度的局部区域检测子提取方法及系统，涉及图像检索、图像识别、对象跟踪检测领域，该方法包括获取图像，并对所述图像的四个角进行尺度选择，通过二维信息熵值的局部极小值选取所述图像的图像背景的最佳尺度，根据所述最佳尺度，建立背景RGB三通道高斯混合模型；对所述图像中每个像素点建立RGB三通道高斯混合模型，并根据每个所述像素点的RGB三通道高斯混合模型与所述背景RGB三通道高斯混合模型的KL距离，更新所述图像的颜色对比度排序；根据所述颜色对比度排序，通过分水岭的区域检测方式检测对比度一致的区域，所述区域为所述局部区域检测子。本发明提取检测子速度快，内存占用少。
【IPC分类】G06K9/46
【公开号】CN104881669
【申请号】CN201510243968
【发明人】张勇东, 曹阳, 高科, 唐胜
【申请人】中国科学院计算技术研究所
【公开日】2015年9月2日
【申请日】2015年5月13日