基于视觉感知的图像显著区域的提取

杨雪（沈阳理工大学 信息科学与工程学院，辽宁 沈阳 110159）

基于视觉感知的图像显著区域的提取

杨雪
（沈阳理工大学 信息科学与工程学院，辽宁 沈阳 110159）

基于Itti模型，提出了一种改进的模型来提取图像显著区域，采用 Itti方法提取图像的亮度、朝向特征显著图，在此基础上，将图像的频域特征融入到图像的颜色特征提取中，并且加入图像的轮廊特征提取，避免了Itti模型提取特征时没有明显的轮廊边界的现象。在显著图的合并阶段，采用局部迭代法取代直接相加的合并方式。此模型与Itti模型相比，提取的显著图效果更加明显。

Itti模型；显著图；频域特征；局部迭代法

0　引言

当人们看到一副图像时，首先将注意力集中在视觉上感兴趣的区域，其中图片的主要信息最能引起人们的注意，这样的区域就被称为显著区域。显著特征图是一个表征图像视觉关注区域的二维分布，如果也将它看成图像，那么灰度值越大则表示该区域的显著性越强，灰度的局部最大值即为图像的显著特征点［1］。

视觉注意机制［2］是依据视觉心理学等领域的研究结果，仿照人的视觉生理结构建立起计算模型，模拟自底向上（bottom-up）的低级视觉方式找出图像中容易吸引人注意的区域。目前在这方面比较有代表性的是Itti模型［3］。

本文提出一种改进的模型，在提取颜色、亮度、朝向特征基础上，提取图像的轮廊特征，共同融合为最终的图像显著图；特征显著图［4］的合并采用局部迭代取代直接的线性相加，能够更好地抑制目标之外区域。

1　Itti模型

Itti模型首先对输入的图像在 9个尺度上进行非均匀采样，然后通过高斯金字塔和center-surround算子进行局部视觉反差的计算，提取出亮度、颜色和朝向特征，通过多尺度的合并以及归一化得到三个特征的显著图，再对得到的三幅特征显著图进行线性融合，得到综合的视觉显著图［5］。Itti模型的基本框图如图1所示。

图1　Itti模型流程图

1.1初级视觉特征的提取

在Itti模型中，用 I表示输入的图像，r、g、b表示红绿蓝三种颜色，红、绿、蓝、黄四个颜色通道分别用R、G、B、Y来表示。

计算红色对抗对RG和蓝黄色对抗对BY这两组颜色对：

Itti模型提取亮度特征：

Gabor函数有很好的方向选择性，对自然图像中朝向特征的提取采用Gabor滤波器较为合适。

1.2显著图的生成

显著图计算方法如下：

利用中心c和周边s的高斯差分DOG计算图像的特征显著度。

用符号Θ表示中央c和周边s差计算，亮度特征图、颜色特征图和朝向特征图分别用I、C和O来表示。

将得到的特征图通过归一化、降采样和层间相加操作可以得到三个特征显著图，最终线性加权融合这三个特征的显著图而生成总的显著图。

2　算法的改进

2.1融合轮廊特征

由于 Itti模型提取的图像特征是颜色、亮度、朝向特征，因此Itti模型提取出来的显著图边缘信息不明显，而一幅图像最能吸引人类视觉注意的是其边缘信息，本文在Itti模型的特征部分加入了图像的轮廊特征。图像梯度信息可以有效地表现图像边缘情况［6］，Sobel算子可以检测水平和垂直方向的梯度，本文采用Sobel算子进行边缘提取，那么轮廊特征可以表示为：

把特征图合并得到轮廊显著图：

2.2颜色特征的提取

本文提取图像中的高频部分作为图像的显著区域，采取提取高频、滤掉低频作为颜色显著图的提取方法［7］。利用颜色特征的中央-周边算子来得到显著图，用W、H来表示输入图像I的宽度和高度，则显著图S可表示为：

其中，Iμ为图像像素值的算术平均；Iwhc为原始图像经过高斯模糊得到的，高斯模糊的目的是为了避免噪音的影响，‖‖代表欧式距离。图2为颜色显著图对比。

图2　颜色显著图对比

由图2可见，采用频域信息提取的颜色显著图亮度更明显，更加清晰。

2.3多特征显著图的合并

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数和偏置常量进行迭代，迭代过程是先将各个显著图归一化到同一个范围内，再与高斯差分函数进行卷积，采用局部迭代法产生的最终显著图更接近稀疏分布，这样目标之外的背景区域得到了更好的抑制。

局部迭代的具体计算如下：

其中，*表示卷积运算，M是归一化后的各显著图，C是一个偏置。

3　实验结果分析

本文采用MATLAB 2010a实现上述算法，采用的原图片是网上下载的图像处理常用图片库的图片，得到的Itti模型最终显著图和本文算法的显著图如图 3所示。

图3　显著图对比

由实验结果看出，本文算法提取的显著图有明显的边界，克服了 Itti模型容易丢失边缘信息的缺点。从运行时间上来看，本文算法在颜色特征提取处提高了效率，本文的方法平均耗时 2.624 00 s，Itti算法平均耗时2.687 00 s，本文算法的运行效率与Itti算法相比有所提高。

4　结论

本文在视觉注意模型的基础上，对Itti模型方法进行了改进，生成各特征显著图时加入了轮廊特征，颜色显著图生成时采用了频域特性取代 Itti模型，减少了计算的复杂度。在特征显著图的合并过程中，采用局部迭代法代替直接线性相加的方式，这样避免了不同特征图之间显著性互相抵消的情况，具有更强的鲁棒性。实验表明，本文算法能够较好地实现显著图的提取。

［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］陈嘉威.视觉注意的研究及其应用［D］.厦门：厦门大学，2009.

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

［4］李毅泉.基于注意力机制的显著区域提取研究和实现［D］.北京：北京交通大学，2007.

［5］单列.视觉注意机制的若干关键技术及其应用研究［D］.合肥：中国科学技术大学，2008.

［6］彭素静.基于视觉感知机理的显著区域研究［D］.重庆：重庆大学，2009.

［7］付荣.基于活动轮廓模型和显著图的自然图像分割研究［D］.上海：复旦大学，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）

杨雪（1989-），通信作者，女，硕士研究生，主要研究方向：信号与信息处理。E-mail：xianaizaibielishi@126.com。