于乃昭，姚志均，楊 波

（船舶重工集團(tuán)公司723所，揚(yáng)州 225001）

0 引 言

人類在觀測(cè)一副圖像時(shí)，通過視覺注意機(jī)制能夠很容易地注意到感興趣的目標(biāo)或圖像中的重要部分。若能將這種機(jī)制引入到計(jì)算機(jī)視覺領(lǐng)域中，首先找出顯著性區(qū)域，然后將計(jì)算資源優(yōu)先分配給這些區(qū)域，就能顯著提高現(xiàn)有圖像處理和模式識(shí)別等的工作效率和性能。提取出來(lái)的顯著性圖像可以廣泛應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域，如圖像分割［1］、圖像壓縮［2］、目標(biāo)識(shí)別［3］、內(nèi)容感知、圖像編輯［4］、圖像檢索［5］等。

顯著性檢測(cè)方法大致可分為3類：基于生物學(xué)的方法、純計(jì)算的方法和結(jié)合這2種思想的方法。第1類方法的典型代表是Itti等人［6］于1998年提出的一種基于生物學(xué)的視覺注意模型，它提取圖像的梯度、顏色、方向等特征，用高斯差（DOG）計(jì)算中心-周圍差值得到各特征所對(duì)應(yīng)的顯著圖，最后線性組合得到最終的顯著圖。受Itti模型的啟發(fā)，F(xiàn)rintrop等人［7］提出了一種新的方法，他們用均方濾波器計(jì)算中心-周圍差值，并用積分圖像加快計(jì)算速度。純計(jì)算的顯著性檢測(cè)方法有：Ma和Zhang［8］用中心-周圍特征距離估計(jì)顯著性；Gao和Vasconcelos［9］通過最大化中心和周圍的特征分布之間的互信息來(lái)求得圖像的顯著性；Hou和Zhang［10］提出了一種基于頻域的顯著性檢測(cè)方法——頻域殘余譜（SR）方法。第3類方法是結(jié)合生物學(xué)模型和計(jì)算模型實(shí)現(xiàn)的。Harel等人［11］用Itti的方法生成特征圖，然后用基于圖論的方法執(zhí)行歸一化操作。

上述方法中有些方法得到顯著圖的分辨率比較低，如Itti的方法［6］得到的顯著圖是原始尺度的1／256，Hou和Zhang［10］方法得到的顯著圖為64×64像素。有些方法突出顯著目標(biāo)的邊緣，而不是均勻地顯示整個(gè)顯著區(qū)域，如Ma和Zhang的方法［8］和Hou和 Zhang的方法［10］。

針對(duì)上述這些問題，Achanta等人［12］提出了頻率調(diào)諧（FT）方法，該方法采用Lab顏色空間作為圖像特征，對(duì)于每個(gè)顏色通道，計(jì)算某個(gè)像素與整幅圖像的平均色差并取平方，然后將這3個(gè)值相加作為該像素的顯著性值。由于該方法不需要下采樣，故可以輸出跟原始圖像一樣大小的顯著圖；同時(shí)該方法保留了全部空間頻率信息，從而能夠提取整個(gè)顯著區(qū)域。

然而，由于Lab顏色空間的3個(gè)分量L、a、b的取值范圍不一樣，L的取值范圍為［0 100］，而a、b的取值范圍為［-128 127］，且這3個(gè)分量的變化不一致，一副圖像中的亮度變化往往比較大，而色度的變化不大，這樣很有可能導(dǎo)致基于這3個(gè)分量得到的顯著性值不在同一個(gè)數(shù)量級(jí)，從而不能很好地體現(xiàn)出各個(gè)分量的作用。為此，本文提出一種改進(jìn)的頻率調(diào)諧（IFT）方法，與文獻(xiàn)［12］一樣采用Lab顏色空間作為圖像特征，然后得到3個(gè)顏色通道的顯著圖，最后加權(quán)得到最終的顯著圖。

1 本文提出的方法

在討論本文提出的方法之前，先介紹一下頻率調(diào)諧方法。設(shè)給定圖像I的尺寸為H×W，其中H為高度，W為寬度。

第1步，先對(duì)圖像做高斯平滑處理，以消除噪聲、因編碼引入的誤差及精細(xì)的紋理，得到一個(gè)新的圖像Ig，其計(jì)算公式如下：

式中：（i，j）為像素坐標(biāo)；符號(hào)“＊”表示卷積；G為高斯平滑濾波器，其尺度大小一般選3×3或5×5。

第2步，將圖像Ig從三原色（RGB）顏色空間轉(zhuǎn)換到Lab顏色空間，得到圖像的亮度特征L和顏色特征a、b。

第3步，計(jì)算每個(gè)特征所對(duì)應(yīng)的整幅圖像的均值：

第4步，對(duì)于每個(gè)像素，計(jì)算各特征下與整幅圖像均值之間的距離：

第5步，特征融合得到每個(gè)像素的最終顯著性值：

由公式（8）得到的值往往遠(yuǎn)大于255，故不能直接用于圖像顯示，一般會(huì)將它歸一化為［0 1］之間的實(shí)數(shù)或［0 255］之間的整數(shù)。

由于L、a、b3個(gè)分量的取值范圍和變化快慢不一樣，很有可能導(dǎo)致由公式（5）～（7）得到的各特征所對(duì)應(yīng)的顯著性值不在一個(gè)數(shù)量級(jí)上，從而抑制了值小的分量的作用。為此，本文提出了一種改進(jìn)的頻率調(diào)諧方法，改進(jìn)之處在于特征融合這一環(huán)節(jié)。文獻(xiàn)［12］是直接將不同特征的顯著性值線性相加得到最終的顯著性值，而本文提出的方法是先對(duì)各特征的顯著性值做歸一化處理，即：

在得到新的顯著性值之后，經(jīng)如下公式融合得到最終的顯著性值：

式中：ωL、ωa、ωb分別為3個(gè)特征所對(duì)應(yīng)的權(quán)重（本文的實(shí)驗(yàn)中取ωL＝ωa＝ωb＝1／3）。

2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文提出的顯著性檢測(cè)方法的有效性和性能，進(jìn)行了實(shí)驗(yàn)仿真。

第1個(gè)實(shí)驗(yàn)是以一個(gè)小尺寸的圖像塊作為目標(biāo)，通過查看L、a、b3個(gè)分量的值及所對(duì)應(yīng)的顯著性值來(lái)證明本文提出改進(jìn)方法的思路是正確的，同時(shí)也與文獻(xiàn)［12］比較最終得到的顯著圖性能。圖1中箭頭所指方框（大小為16×11）是感興趣的目標(biāo)圖像，經(jīng)顏色空間轉(zhuǎn)換之后L、a、b3個(gè)分量的值分別如圖2（a）、（c）、（e）所示，由公式（5）～（7）計(jì)算得到的3個(gè)分量所對(duì)應(yīng)的顯著性值分別如圖2（b）、（d）、（f）所示。

從圖2可以看出，亮度的變化比顏色特征變化大；3個(gè)特征所對(duì)應(yīng)的顯著性值不在一個(gè)數(shù)量級(jí)，其中亮度特征L的顯著性值的最大值為3 948，而顏色特征a、b的顯著性值的最大值分別為163、758。

圖1 箭頭所指方框?yàn)楦信d趣目標(biāo)

圖2 目標(biāo)圖像L、a、b 3個(gè)分量的值及對(duì)應(yīng)的顯著性值

這樣，在特征融合時(shí)，顏色特征很容易被亮度特征抑制，從而不能發(fā)揮顏色特征所特有的功能。圖3（a）和（b）分別是文獻(xiàn)［12］和本文方法得到的顯著圖，像素的亮度越亮，顯著性值越大，表明該像素越顯著。文獻(xiàn)［12］的結(jié)果表明人的黑色帽子和褲子是顯著性目標(biāo)，本文方法的結(jié)果表明人的綠色上衣是顯著目標(biāo)。而事實(shí)上，當(dāng)人們觀測(cè)這幅圖像時(shí)，圖中的人物肯定是人們關(guān)注的對(duì)象，但相比于黑色帽子和褲子，更多的注意力會(huì)放在綠色上衣上面，這也就說(shuō)明本文提出的方法要好于文獻(xiàn)［12］。

圖3 文獻(xiàn)［12］和本文方法得到的顯著圖

第2個(gè)實(shí)驗(yàn)是從文獻(xiàn)［12］的數(shù)據(jù)庫(kù)（共有1 000幅圖像）中選擇了5幅不同類型的圖像，然后比較Hou和Zhang的頻域殘余譜方法、文獻(xiàn)［12］的頻率調(diào)諧法及本文提出的方法這3種顯著性檢測(cè)方法的性能。實(shí)驗(yàn)結(jié)果如圖4所示。對(duì)于頻域殘余譜方法，由于它是在64×64像素這樣的尺度上實(shí)現(xiàn)的，為了方便比較，本文通過插值法將它拉伸到跟原始圖像一樣大小。由圖4（b）可以看出，頻域殘余譜方法突出目標(biāo)邊緣部分，能夠檢測(cè)小目標(biāo)物體；頻率調(diào)諧法能夠檢測(cè)大尺度的目標(biāo)，且目標(biāo)整體比較均勻，但由于它可能抑制了某些顏色分量的作用，從而不能充分檢測(cè)出顯著性區(qū)域；而本文方法既繼承了頻率調(diào)諧法的優(yōu)點(diǎn)，同時(shí)又充分利用了各顏色分量的作用，以至于取得很好的檢測(cè)結(jié)果。

3 結(jié)束語(yǔ)

本文分析了頻率調(diào)諧顯著性檢測(cè)方法的不足，并對(duì)它做了相應(yīng)的改進(jìn)：先將每個(gè)特征所得到的顯著圖進(jìn)行歸一化處理，然后再用加權(quán)平均融合得到最終的顯著圖。由于改進(jìn)的方法充分利用了各顏色分量的作用，因而取得了好于原始頻率調(diào)諧法的顯著性檢測(cè)結(jié)果。

［1］ Han Junwei，Ngan King Ngi，Li Mingjing，et al.Unsupervised extraction of visual attention objects in color images［J］.IEEE Transactions on Circuit and System on Video Technology，2006，16（1）：141-145.

［2］ Christopoulos Charilaos，Skodras Athanassios，Ebrahimi Touradj.The JPEG2000still image coding system：an overview ［J］.IEEE Transaction on Consumer Electronics，2000，46（4）：1103-1127.

［3］ Rutishauser Ueli，Walther Dirk，Koch Christof，et al.Is bottom-up attention useful for object recognition？［A］.Proceedings of The IEEE Conference on Computer Vision and Pattern Recognition［C］.Pasadena，USA，2004：37-44.

［4］ Wu Huisi，Wang Yushuen，F(xiàn)eng Kunchuan，et al.Resizing by symmetry-summarization［J］.ACM Transaction on Graphics，2010，29（6）：1-9.

［5］ Chen Tao，Cheng Mingming，Tan Ping，et al.Sketch2photo：Internet image montage ［J］.ACM Transaction on Graphics，2009，28（5）：1-10.

［6］ Itti Laurent，Koch Christof，Niebur Ernst.A model of saliency-based visual attention for rapid scene analysis［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1998，20（11）：1254-1259.

［7］ Frintrop Simone，Klodt Maria，Rome Erich.A real-time visual attention system using integral images［A］.Proceedings of The 5th International Conference on Computer Vision Systems［C］.Bielefeld，Germany，2007.

［8］ Ma Yufei，Zhang Hongjiang.Contrast-based image attention analysis by using fuzzy growing［A］.Proceedings of ACM International Conference on Multimedia［C］.New York，USA，2003：374-381.

［9］ Gao Dashan，Vasconcelos Nuno.Bottom-up saliency is a discriminant process［A］.Proceedings of The IEEE International Conference on Computer Vision［C］.San Diego，USA，2007：1-6.

［10］Hou Xiaodi，Zhang Liqing.Saliency detection：a spectral residual approach［A］.Proceedings of The IEEE Conference on Computer Vision and Pattern Recognition［C］.Shanghai，China，2007：1-8.

［11］Harel Jonathan，Koch Christof，Perona Pietro.Graphbased visual saliency［A］.Proceedings of The Advances in Neural Information Processing Systems 19［C］.Vancouver，Canada，2007：545-552.

［12］Achanta Radhakrishna，Estrada Sheila，Wils Francisco，et al.Frequency-tuned salient region detection［A］.Proceedings of The IEEE International Conference on Computer Vision and Pattern Recognition［C］.Lausanne，Switzerland，2009：1597-1604.