多特征融合的低景深图像前景提取算法

针对低景深(Low depth-of-field,DOF)图像,提出了一种融合纹理、颜色和高阶统计量(Higher-order statistics,HOS)特征的聚焦前景提取方法.首先,根据相似性最大化原则,通过迭代获得纹理和颜色特征的优化权重,实现低景深图像的区域分割.然后,根据优化权重值计算颜色空间上的加权HOS值,并结合区域归属前景的划分策略,实现低景深图像的前景提取.实验结果表明,该算法可以同时取得较高的主观和客观评价效果.

奇异值分解域差异性度量的低景深图像显著性目标提取方法

针对低景深图像(DOF)目标提取过程中,容易出现目标提取不完整或背景被误识为目标等现象,该文提出一种奇异值分解(SVD)域差异性度量的低景深图像目标提取方法。先对低景深图像进行高斯模糊,以图像中每一个像素点为中心,利用滑动窗口分别截取模糊前后图像上相同位置的图像块并进行奇异值分解,再构造两奇异值之间的差异特征向量,针对此向量定义低中高全频段信息加权的差异性度量算子,计算对应像素点的显著性特征值,逐像素处理得到显著性结果图并进行阈值化处理,实现低景深图像目标的有效提取。对大量低景深图像进行处理,并与几种现有方法进行比较,提出方法的F度量值最大可提高54%,平均绝对误差减少76%~87%,可完整提取目标并有效去除背景,具有较强的可靠性。