图像感兴趣区域自动提取算法解析.doc

图像感兴趣区域自动提取算法 摘要：感兴趣区域(Regions of Interest)提取技术在图像处理和分析领域有着重要地位。提出了一种ROI的自动提取算法。在显著度图和相对位置指示图的基础上，采用基于子区域的区域生长法，以像素点的显著度、相对位置及颜色纹理信息作为生长条件，颜色、纹理信息的权重可以根据图像的内容自适应调整。实验结果表明，该方法与现有算法相比在速度和ROI提取的准确性方面均有提高。 关键词：感兴趣区域，显著度图，区域生长 Automatic Extraction of Regions of Interest Abstract: The extraction technique of ROI plays an important role in image analysis. In this paper an automatic extraction of ROI algorithm is proposed. Based on the saliency map and relative position map, use the subregion based region grow method, besides the saliency map and relative positions, this paper joined the information of color and texture. The power of color and texture can adjusted by image content automatically. The experiment prove this algorithm is efficient and effective. Key words: Regions of Interest, saliency map, region grow 1 引言 感兴趣区域(Regions of Interest简称ROI)即图像中最能引起用户兴趣，最能表现图像内容的区域，如能提取出这些区域将会大大提高图像处理和分析的效率和准确度。如今，ROI提取技术已经在许多领域得到了应用，如JPEG2000 压缩编码、机器视觉中目标区域定位与识别、视频信息中字幕及标识的自动提取与识别、智能交通系统中车牌区域的自动提取与识别，医学图像分析等，ROI提取技术有着广阔的市场潜力。 目前，ROI提取算法很多，本文在根据图像显著度和相对位置的基础上，结合颜色和纹理特征，采用区域生长法提取ROI。 2 算法描述 区域生长是区域分割中一种简单而有效的方法，而且种子点的选取很容易结合高层语义这对提取感兴趣区域来说非常有效。与文献[1]不同，本文采用基于子区域的区域生长法，同时，在生长准则中增加了对图像颜色纹理特征的考虑，从而降低对显著度图准确度的依赖。 2.1显著度图 Itti等提出基于显著度的注意计算模型，较好的模拟了人观察图像时注视点的选取过程。基本思想是把象素在颜色、亮度、方向等方面与背景的对比定义为该点的显著值(Saliency)，对比越强，该点的显著值就越大，所有点的显著值构成一张显著图。这里显著图是一幅表明图像各象素点显著性的灰度图像，越亮表明该象素点的显著度越大。 a原始图像 b显著度图 图1 Itti方法生成的显著度图 2.2相对位置指示图 根据图像中局部区域内的颜色分布来估计象素的相对位置，即点是处于物体内部还是靠近边缘： 假设Z表示颜色类图像中的所有N个象素点集合，假设,用m代表均值，假定集合Z被分为C个颜色类，i＝1，2……，C。假定颜色类中点的个数为，则平均值mi可计算为： ………………………………………..(1) ………………………………………(2) ……………………………(3) 其中，Sw表示所有类的方差总合。根据ST和Sw，可以定义相对位置指示RPD为： ………………………….………(4) 它的值可以表示此区域是处于物体的内部还是更接近边缘。如图像中每个象素的值都由它的RPD值代替，就形成了相对位置图，亮度越大表示该点越靠近边缘。 a 原始图像 b 相对位置指示图 图2相对位置指示图 2.3 ROI种子点的选取 种子点应该是注意程度较高的点同时其位置应处于物体的内部。因此，种子点应有最大的显著度和最小的相对位置。 假定P是图像中的一个象素点，R代表以P为中心的λ×λ的区域，用RPD代表相对位置，用S表示显著度。代表在区域R内所有点相对位置均值， 代表其标准差。类似，代表区域R内所有点的注意度均值，代表其标准差，则种子区域R的点可以度量为： …