-
公开(公告)号：CN103065298B
公开(公告)日：2015-07-29
申请号：CN201210560879.6
申请日：2012-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种模拟视网膜滤波的视觉显著性检测方法。本发明通过在CIELAB对色通道上建立高斯尺度空间，提取多尺度显著基元，然后在每个尺度层上计算具有对数响应特性的显著基元颜色独特性值和空间紧凑性，并采用一种基于显著基元按颜色独特性值重组的简化中央-周围算子进行优化滤波。最后经多尺度合成后生成最终显著图。本发明整合了生物视网膜中的多尺度、对数响应和中央-周围环绕特性，以及纯计算方法中的局部对比度和全局对比度特性。可获得更完整且更均匀高亮的显著性目标区域。
-
公开(公告)号：CN103020993A
公开(公告)日：2013-04-03
申请号：CN201210497332.6
申请日：2012-11-28
Applicant: 杭州电子科技大学
IPC: G06T7/40
Abstract: 本发明涉及一种双通道颜色对比度融合的视觉显著性检测方法。本发明方法首先提取输入图像的高斯尺度图像，将每层高斯尺度图像划分为多个互不相交且区域面积近似相等的超像素区域。其次采用彩色变换方法，分别提取每层高斯尺度图像在CIELAB空间的三个彩色分量图，基于上述三个彩色分量图为每个像素分配基于CIELAB空间的颜色显著性值。然后采用彩色变换方法，分别提取每层高斯尺度图像在RGB空间的三个彩色分量图，基于这三个彩色分量图为每个像素分配基于RGB空间的颜色显著性值。最后将两个空间的颜色显著性值融合得到输入图像中每个像素的最终显著性值。本发明可有效克服单一颜色通道检测的局限，提高显著性检测的鲁棒性。
-
公开(公告)号：CN103093454B
公开(公告)日：2015-04-22
申请号：CN201210560401.3
申请日：2012-12-20
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向视觉显著性检测的中央-周围环绕优化方法。本发明方法首先提取输入图像的显著基元，得到三个彩色分量。其次每个显著基元的颜色独特性值并计算空间紧凑性值。然后依据颜色独特性值和空间紧凑性值计算每个显著基元的合成显著性值。最后结合感受野区域采用一种简化中央-周围环绕算子计算每个显著基元的最终显著性值。本发明采用线性加权函数对目前生物视觉感受野的两种模型进行拟合和简化,实现两种感受野模型的统一建模。
-
Patent Agency Ranking
公开(公告)号：CN102867313B
公开(公告)日：2015-04-22
申请号：CN201210311804.4
申请日：2012-08-29
Applicant: 杭州电子科技大学
IPC: G06T7/40
Abstract: 本发明涉及一种融合区域颜色和HoG特征的视觉显著性检测方法。目前方法通常都基于区域颜色特征的纯计算模型，对于纹理的显著性差异不敏感。本发明方法首先在原始图像的CIELAB空间彩色分量图上，通过分析超像素区域的颜色对比度和分布特性，计算每个像素的颜色显著性值；然后在原始图像的RGB空间彩色分量图上，提取基于HoG的局部矩形区域纹理特征，并通过分析局部矩形区域的纹理对比度和分布特性，计算每个像素的纹理显著性值；最后采用二次非线性融合方法将每个像素的颜色显著性值和纹理显著性值融合为该像素的最终显著性值。本发明方法获得不仅可获得符合人眼视觉感官的全分辨率显著性图像，并且对显著性目标具有更强的区分能力。
-
公开(公告)号：CN103093454A
公开(公告)日：2013-05-08
申请号：CN201210560401.3
申请日：2012-12-20
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向视觉显著性检测的中央-周围环绕优化方法。本发明方法首先提取输入图像的显著基元，得到三个彩色分量。其次每个显著基元的颜色独特性值并计算空间紧凑性值。然后依据颜色独特性值和空间紧凑性值计算每个显著基元的合成显著性值。最后结合感受野区域采用一种简化中央-周围环绕算子计算每个显著基元的最终显著性值。本发明采用线性加权函数对目前生物视觉感受野的两种模型进行拟合和简化,实现两种感受野模型的统一建模。
-
公开(公告)号：CN103065298A
公开(公告)日：2013-04-24
申请号：CN201210560879.6
申请日：2012-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种模拟视网膜滤波的视觉显著性检测方法。本发明通过在CIELAB对色通道上建立高斯尺度空间，提取多尺度显著基元，然后在每个尺度层上计算具有对数响应特性的显著基元颜色独特性值和空间紧凑性，并采用一种基于显著基元按颜色独特性值重组的简化中央-周围算子进行优化滤波。最后经多尺度合成后生成最终显著图。本发明整合了生物视网膜中的多尺度、对数响应和中央-周围环绕特性，以及纯计算方法中的局部对比度和全局对比度特性。可获得更完整且更均匀高亮的显著性目标区域。
-
公开(公告)号：CN103020993B
公开(公告)日：2015-06-17
申请号：CN201210497332.6
申请日：2012-11-28
Applicant: 杭州电子科技大学
IPC: G06T7/40
Abstract: 本发明涉及一种双通道颜色对比度融合的视觉显著性检测方法。本发明方法首先提取输入图像的高斯尺度图像，将每层高斯尺度图像划分为多个互不相交且区域面积近似相等的超像素区域。其次采用彩色变换方法，分别提取每层高斯尺度图像在CIELAB空间的三个彩色分量图，基于上述三个彩色分量图为每个像素分配基于CIELAB空间的颜色显著性值。然后采用彩色变换方法，分别提取每层高斯尺度图像在RGB空间的三个彩色分量图，基于这三个彩色分量图为每个像素分配基于RGB空间的颜色显著性值。最后将两个空间的颜色显著性值融合得到输入图像中每个像素的最终显著性值。本发明可有效克服单一颜色通道检测的局限，提高显著性检测的鲁棒性。
-
公开(公告)号：CN102867313A
公开(公告)日：2013-01-09
申请号：CN201210311804.4
申请日：2012-08-29
Applicant: 杭州电子科技大学
IPC: G06T7/40
Abstract: 本发明涉及一种融合区域颜色和HoG特征的视觉显著性检测方法。目前方法通常都基于区域颜色特征的纯计算模型，对于纹理的显著性差异不敏感。本发明方法首先在原始图像的CIELAB空间彩色分量图上，通过分析超像素区域的颜色对比度和分布特性，计算每个像素的颜色显著性值；然后在原始图像的RGB空间彩色分量图上，提取基于HoG的局部矩形区域纹理特征，并通过分析局部矩形区域的纹理对比度和分布特性，计算每个像素的纹理显著性值；最后采用二次非线性融合方法将每个像素的颜色显著性值和纹理显著性值融合为该像素的最终显著性值。本发明方法获得不仅可获得符合人眼视觉感官的全分辨率显著性图像，并且对显著性目标具有更强的区分能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
