一種基于視覺注意機制的核環(huán)境中目標(biāo)檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像信息處理技術(shù)領(lǐng)域，具體涉及一種基于視覺注意機制的核環(huán)境中 目標(biāo)檢測方法，該方法具體采用自上而下與自下而上結(jié)合的雙向視覺注意模型，可用于特 殊環(huán)境下的目標(biāo)檢測。
【背景技術(shù)】
[0002] 隨著信息技術(shù)的快速發(fā)展、數(shù)據(jù)的膨脹，人們對信息處理的速度及精確度的要求 越來越高了。理想的信息處理過程是，只需要處理與任務(wù)相關(guān)的那部分信息，但實際的信息 處理過程是，需要處理許多與任務(wù)不相關(guān)的信息。因此，如何快速找到并僅僅處理與任務(wù)相 關(guān)的那部分信息變得非常重要。
[0003] 人類視覺注意機制為快速找到并處理與任務(wù)相關(guān)的那部分信息提供了一種新的 研宄思路。研宄表明，人類視覺具有超強的信息處理能力，面對實時變化的各種信息，總能 針對與其最相關(guān)的部分及時做出反應(yīng)，而自動忽略不相關(guān)的部分。把人類視覺注意機制應(yīng) 用在圖像處理領(lǐng)域，形成圖像處理領(lǐng)域的視覺注意機制，能夠高效、準(zhǔn)確地處理圖像信息。 因此，在圖像處理過程中如何模仿人的視覺注意機制，快速找到圖像中的目標(biāo)區(qū)域，對于圖 像處理的實時性有著重要的意義。
[0004] 目前，已經(jīng)有越來越多的研宄者投入如何能快速、精準(zhǔn)檢測顯著區(qū)域的研宄中，并 研宄出了很多模型，其中一些典型的模型有：
[0005] DItti模型：其主要過程是從輸入圖像中提取多方面的特征，如顏色、方向、亮度 等，通過高期金字塔和中央周邊操作算子形成各個特征的關(guān)注圖，然后歸一化組合得到顯 著圖。在此基礎(chǔ)上，通過勝者全取神經(jīng)網(wǎng)絡(luò)相互競爭，使得顯著區(qū)勝出。該方法對局部顯著 性進行了較好的度量。但沒有充分考慮圖像的全局信息；且沒有考慮實際任務(wù)的需求，只 屬于自下而上的單向注意模型。
[0006] 2) Stentiford模型：該方法將圖像的顯著性用視覺注意圖表示，其基本思想是當(dāng) 圖像某區(qū)域特征在圖像其他區(qū)域中出現(xiàn)頻率越少，其區(qū)域顯著性就越高；通過抑制圖像中 具有相同模式的區(qū)域得到視覺注意圖，用于表示顯著性。該方法考慮了目標(biāo)整體性，對圖 像進行了全局顯著性度量，但該模型依然只屬于自下而上的注意模型，沒有確定的物理意 義，也沒有根據(jù)任務(wù)對目標(biāo)的重要程度進行判斷。
[0007] 3)H0AM模型：該模型是以強度和方向圖作為引導(dǎo)視覺注意的早期特征。被注意的 單元不是空間的某個點或某個區(qū)域，而是具有確定物理意義的完整目標(biāo)。該方法首先需要 假設(shè)圖像已經(jīng)分成了若干具有物理意義的目標(biāo)或目標(biāo)組合，因此需要人工進行干預(yù)。

【發(fā)明內(nèi)容】

[0008] 針對于現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提供了一種基于視覺注意機制的核環(huán) 境中目標(biāo)檢測方法，使用該方法能夠大幅度提高圖像中目標(biāo)區(qū)域檢測的精度，提取的顯著 性目標(biāo)具有更好的魯棒性和準(zhǔn)確性，同時也大大提高了圖像的處理效率。
[0009] 為實現(xiàn)上述目的，本發(fā)明的一個具體實施例所采取的技術(shù)方案是：
[0010] S1、獲取通過普通相機采集的所述目標(biāo)的圖像，提取圖像的亮度、顏色和方向特 征，分別得到亮度特征圖、顏色特征圖和方向特征圖；
[0011] S2、通過高斯金字塔和中央周邊算子的方法對亮度特征圖、顏色特征圖和方向特 征圖進行計算，分別得到6幅亮度視差圖、12幅顏色視差圖和24幅方向視差圖；
[0012] S3、分別對6幅亮度視差圖、12幅顏色視差圖和24幅方向視差圖進行歸一化處理， 得到亮度顯著圖顏色顯著圖和方向顯著圖/VpL
[0013] S4、從顯著圖中選取最顯著的點，以點為顯著點，在對應(yīng)的特征顯著圖中采用區(qū)域 生長的方式進行分割，得到感興趣區(qū)域；
[0014] S5、獲取γ相機米集的含有福射強度分布信息的圖像；
[0015] S6、分別提取混合圖像和普通相機圖像感興趣區(qū)域的關(guān)鍵點；
[0016] S7、將關(guān)鍵點分別生成特征向量；
[0017] S8、將感興趣區(qū)域關(guān)鍵點的特征向量與混合圖像關(guān)鍵點的特征向量進行匹配，如 果符合匹配條件，則目標(biāo)為作業(yè)目標(biāo)。
[0018] 本發(fā)明的方法產(chǎn)生的有益效果為：
[0019] 首先利用自下而上數(shù)據(jù)驅(qū)動注意模型的優(yōu)勢，直接從普通相機采集的圖像中提取 出若干感興趣區(qū)域，大大降低后期匹配過程的計算量；然后用r相機獲取所述目標(biāo)的計量 強度分布和現(xiàn)場灰度的混合圖進行特征匹配，建立自上而下與自下而上結(jié)合的雙向視覺注 意模型。因此，大幅度提高了圖像中目標(biāo)區(qū)域檢測的精度，而且匹配過程消除了場景中不相 關(guān)區(qū)域的干擾，使提取的顯著性目標(biāo)具有更好的魯棒性和準(zhǔn)確性，同時也大幅度提高了處 理效率。
【附圖說明】
[0020] 圖1所示為本發(fā)明的一種基于視覺注意機制的核環(huán)境中目標(biāo)檢測方法的一個技 術(shù)方案的流程圖；
[0021] 圖2所示為本發(fā)明的DOG差分金字塔形成過程的示意圖；
[0022] 圖3所示為本發(fā)明的DOG函數(shù)的極值點檢測的示意圖。
【具體實施方式】
[0023] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明具體實施例及 相應(yīng)的附圖對本發(fā)明技術(shù)方案進行清楚、完整地描述。
[0024] 參考圖1，圖1所示為本發(fā)明的一種基于視覺注意機制的核環(huán)境中顯著目標(biāo)的檢 測方法的一個實施例SlOO的流程圖；實施例SlOO包括如下步驟Sl至S8。
[0025] 在步驟Sl中，獲取通過普通相機采集并進行預(yù)處理的目標(biāo)的圖像，提取圖像的亮 度、顏色和方向特征，分別得到亮度特征圖、顏色特征圖和方向特征圖。
[0026] 在步驟S2中，通過高斯金字塔和中央周邊算子的方法對亮度特征圖、顏色特征圖 和方向特征圖進行計算，分別得到6幅亮度視差圖、12幅顏色視差圖和24幅方向視差圖。
[0027] 在本發(fā)明的一個實施例中，采用中央周邊差的采樣方式獲取圖像的亮度、顏色和 方向特征。每一個特征有一組類似視覺感知區(qū)域的線性"中間-外圍"算子計算。
[0028] 在本發(fā)明的一個實施例中，中央和外圍的尺度可以做如下設(shè)定：中央尺度 ce {2,3,4}，外圍尺度相應(yīng)的為S = c+s，s e {3,4}。兩個圖的相交尺度差分通過精細(xì) 尺度插補和點對點相減獲得，使用不同的尺度得到多尺度特征的提取。