[发明专利]一种自适应计算图像底层特征重要性权重的方法

权利要求书

1.一种自适应计算图像底层特征重要性权重的方法，包括以下步骤：

步骤一，计算颜色重要性权重：将待处理图像转换到HSV空间，对H通道的每行像素建立以n为步长的行直方图并进行统计，保存每个行直方图中的最大值和最小值；通过以下公式(1)计算出在待处理图像中表征颜色重要性的权重值w_C，

wc=410fminfmax+5,]]>wc∈(415,0.8)⋐(0,1)---(1)]]>

其中f_min是所有行直方图中最小值的平均值，f_max是所有行直方图中最大值的平均值；

步骤二，计算梯度重要性权重：将待处理图像分为若干块，计算各块内每个像素点的梯度并统计梯度方向，建立梯度直方图，然后计算所述各个块内像素值的方差，通过以下公式(2)计算出在待处理图像中表征梯度重要性的权重值w_g；

wg=1-gradi-gradmingradmax-gradmin,ifD(Si)>4M0,else---(2)]]>

其中图像被划分为若干块，grad_max为所有块中梯度值最大的值，grad_min为所有块中梯度值最小的值，M为将0到2π区间以预定间隔分割的区间个数；

gradi=Σ(x,y)∈patchi||grad(x,y)||gradi]]>为第i个块的梯度值。

D(Si)=Σj=18(xj-x‾)2forpatchi---(3)]]>

公式(3)，将0到2π区间以预定间隔分为M个方向，D(S_i)为块梯度直方图落入每个方向的方差，patch_i表示所划分的块中的任意一块；

步骤三，计算亮度重要性权重：图像中亮度较高的区域往往是图像中的敏感区域由于LAB空间中L分量代表了图像的亮度，将待处理图像转换到LAB空间，将转换后的图像以“回”字形分为面积相等的两个区域，对两个区域的L分量进行归一化处理并求和，根据以下公式(4)、(5)计算出在待处理图像中表征亮度重要性的权重值w_i；

wi=1si+5---(4)]]>

Si=Σ(x,y)∈region1I(x,y)/255Sregion1,Σ(x,y)∈region1I(x,y)>Σ(x,y)∈region2I(x,y)1-Σ(x,y)∈region1I(x,y)/255Sregion1,Σ(x,y)∈region1I(x,y)<=Σ(x,y)∈region2I(x,y)---(5)]]>

其中w_i为亮度重要性权重，S_i为亮度重要性，

I_(x，y)表示在Lab空间中像素坐标为(x，y)的亮度值，region1为“回”字形中心区域，region2为剩余区域，S_region1为“回”字形中心区域的面积，

步骤四，将位置重要性权重值w_p设为固定的值，其中w_p在(0，1)范围内；

步骤五：对以上获得的四种权重值w_c、w_g、w_I、w_p按照以下公式进行归一化得到最终的底层特征重要性权重值，w′_c，w′_g，w′_i，w′_p为归一化后四种底层特种的最终极重值，

wc′=wcwc+wg+wI+wpwg′=wgwc+wg+wI+wpwI′=wIwc+wg+wI+wpwp′=wpwc+wg+wI+wp---(6)]]>