基于視覺感知的圖像顯著區域的提取

楊雪（沈陽理工大學 信息科學與工程學院，遼寧 沈陽 110159）

基于視覺感知的圖像顯著區域的提取

楊雪
（沈陽理工大學 信息科學與工程學院，遼寧 沈陽 110159）

基于Itti模型，提出了一種改進的模型來提取圖像顯著區域，采用 Itti方法提取圖像的亮度、朝向特征顯著圖，在此基礎上，將圖像的頻域特征融入到圖像的顏色特征提取中，并且加入圖像的輪廊特征提取，避免了Itti模型提取特征時沒有明顯的輪廊邊界的現象。在顯著圖的合并階段，采用局部迭代法取代直接相加的合并方式。此模型與Itti模型相比，提取的顯著圖效果更加明顯。

Itti模型；顯著圖；頻域特征；局部迭代法

0　引言

當人們看到一副圖像時，首先將注意力集中在視覺上感興趣的區域，其中圖片的主要信息最能引起人們的注意，這樣的區域就被稱為顯著區域。顯著特征圖是一個表征圖像視覺關注區域的二維分布，如果也將它看成圖像，那么灰度值越大則表示該區域的顯著性越強，灰度的局部最大值即為圖像的顯著特征點［1］。

視覺注意機制［2］是依據視覺心理學等領域的研究結果，仿照人的視覺生理結構建立起計算模型，模擬自底向上（bottom-up）的低級視覺方式找出圖像中容易吸引人注意的區域。目前在這方面比較有代表性的是Itti模型［3］。

本文提出一種改進的模型，在提取顏色、亮度、朝向特征基礎上，提取圖像的輪廊特征，共同融合為最終的圖像顯著圖；特征顯著圖［4］的合并采用局部迭代取代直接的線性相加，能夠更好地抑制目標之外區域。

1　Itti模型

Itti模型首先對輸入的圖像在 9個尺度上進行非均勻采樣，然后通過高斯金字塔和center-surround算子進行局部視覺反差的計算，提取出亮度、顏色和朝向特征，通過多尺度的合并以及歸一化得到三個特征的顯著圖，再對得到的三幅特征顯著圖進行線性融合，得到綜合的視覺顯著圖［5］。Itti模型的基本框圖如圖1所示。

圖1　Itti模型流程圖

1.1初級視覺特征的提取

在Itti模型中，用 I表示輸入的圖像，r、g、b表示紅綠藍三種顏色，紅、綠、藍、黃四個顏色通道分別用R、G、B、Y來表示。

計算紅色對抗對RG和藍黃色對抗對BY這兩組顏色對：

Itti模型提取亮度特征：

Gabor函數有很好的方向選擇性，對自然圖像中朝向特征的提取采用Gabor濾波器較為合適。

1.2顯著圖的生成

顯著圖計算方法如下：

利用中心c和周邊s的高斯差分DOG計算圖像的特征顯著度。

用符號Θ表示中央c和周邊s差計算，亮度特征圖、顏色特征圖和朝向特征圖分別用I、C和O來表示。

將得到的特征圖通過歸一化、降采樣和層間相加操作可以得到三個特征顯著圖，最終線性加權融合這三個特征的顯著圖而生成總的顯著圖。

2　算法的改進

2.1融合輪廊特征

由于 Itti模型提取的圖像特征是顏色、亮度、朝向特征，因此Itti模型提取出來的顯著圖邊緣信息不明顯，而一幅圖像最能吸引人類視覺注意的是其邊緣信息，本文在Itti模型的特征部分加入了圖像的輪廊特征。圖像梯度信息可以有效地表現圖像邊緣情況［6］，Sobel算子可以檢測水平和垂直方向的梯度，本文采用Sobel算子進行邊緣提取，那么輪廊特征可以表示為：

把特征圖合并得到輪廊顯著圖：

2.2顏色特征的提取

本文提取圖像中的高頻部分作為圖像的顯著區域，采取提取高頻、濾掉低頻作為顏色顯著圖的提取方法［7］。利用顏色特征的中央-周邊算子來得到顯著圖，用W、H來表示輸入圖像I的寬度和高度，則顯著圖S可表示為：

其中，Iμ為圖像像素值的算術平均；Iwhc為原始圖像經過高斯模糊得到的，高斯模糊的目的是為了避免噪音的影響，‖‖代表歐式距離。圖2為顏色顯著圖對比。

圖2　顏色顯著圖對比

由圖2可見，采用頻域信息提取的顏色顯著圖亮度更明顯，更加清晰。

2.3多特征顯著圖的合并

本文采用局部迭代法代替 Itti中的直接相加的合并方式，局部迭代法是引入高斯差分函數和偏置常量進行迭代，迭代過程是先將各個顯著圖歸一化到同一個范圍內，再與高斯差分函數進行卷積，采用局部迭代法產生的最終顯著圖更接近稀疏分布，這樣目標之外的背景區域得到了更好的抑制。

局部迭代的具體計算如下：

其中，*表示卷積運算，M是歸一化后的各顯著圖，C是一個偏置。

3　實驗結果分析

本文采用MATLAB 2010a實現上述算法，采用的原圖片是網上下載的圖像處理常用圖片庫的圖片，得到的Itti模型最終顯著圖和本文算法的顯著圖如圖 3所示。

圖3　顯著圖對比

由實驗結果看出，本文算法提取的顯著圖有明顯的邊界，克服了 Itti模型容易丟失邊緣信息的缺點。從運行時間上來看，本文算法在顏色特征提取處提高了效率，本文的方法平均耗時 2.624 00 s，Itti算法平均耗時2.687 00 s，本文算法的運行效率與Itti算法相比有所提高。

4　結論

本文在視覺注意模型的基礎上，對Itti模型方法進行了改進，生成各特征顯著圖時加入了輪廊特征，顏色顯著圖生成時采用了頻域特性取代 Itti模型，減少了計算的復雜度。在特征顯著圖的合并過程中，采用局部迭代法代替直接線性相加的方式，這樣避免了不同特征圖之間顯著性互相抵消的情況，具有更強的魯棒性。實驗表明，本文算法能夠較好地實現顯著圖的提取。

［1］Hou Xiaodi，Zhang Liqing.Saliency detection：a spectral residual approach［C］.Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，Minneapolis， Minnesota，USA，2007：1-8.

［2］陳嘉威.視覺注意的研究及其應用［D］.廈門：廈門大學，2009.

［3］ITTI L，KOCH C.Computational modeling of visual attention［J］.Nature Reviews Neuroscience，2001，2（3）：194-203.

［4］李毅泉.基于注意力機制的顯著區域提取研究和實現［D］.北京：北京交通大學，2007.

［5］單列.視覺注意機制的若干關鍵技術及其應用研究［D］.合肥：中國科學技術大學，2008.

［6］彭素靜.基于視覺感知機理的顯著區域研究［D］.重慶：重慶大學，2009.

［7］付榮.基于活動輪廓模型和顯著圖的自然圖像分割研究［D］.上海：復旦大學，2010.

Extraction of salient region based on visual perception

Yang Xue
（Institute of Information Science and Technology，Shenyang Ligong University，Shenyang 110159，China）

Based on the Itti model，this paper puts forward an improved model to extract the image salient region，extractthe brightness map and orientation map by using Itti method.On the basis of this，the color feature is obtained in frequency domain，and the image contour feature extraction is joined in order to avoid the phenomenon of no obvious contour boundary in Itti model.In the merge phase of saliency map，it uses the local iteration methed instead of the directly addingmethod.Compared the model with Itti model，the saliency mapeffect is more obvious.

Itti model；saliency map；frequency domain characteristics；local iteration method

TP391

A

1674-7720（2015）02-0047-02

（2013-07-05）

楊雪（1989-），通信作者，女，碩士研究生，主要研究方向：信號與信息處理。E-mail：xianaizaibielishi@126.com。