[发明专利]一种图像显著度检测的方法

权利要求书

1.一种图像显著度检测的方法，其特征在于包括如下步骤：

步骤1：对给定的图像检测Harris点得到兴趣点；

步骤2：将得到的兴趣点连接成为最大的凸多边形，定义为凸包，凸包外部认为是前景，内部的认为是背景；

步骤3：将图像使用SLIC工具箱过分割得到图像的超像素，每一幅图像过分割得到200个超像素；

步骤4：确定内部超像素，如果超像素内的像素点有超过40%在凸包内部，则认为是凸包内部超像素，否则认为是外部超像素，并得到内部和外部超像素的序号；

步骤5：计算图像的边缘信息PB值，得到PB图像，使用下列公式（1）得到内部超像素的边缘特征；

riPB=1|Ei|Σpk∈EipkPB---(1)]]>

使用下列公式（2）计算内部超像素与外部超像素之间的颜色差异，得到边缘权重图；

ωi=riPB×d(ri,cout)---(2)]]>

步骤6：根据公式（3）、（4）计算加权的空间颜色差异得到图像的先验图；

f(Sai)=Σn=1,n≠iNωnd(rnc,ric)+d(rnl,ril)---(3)]]>

f(Si)=1N(f(Sai)+1N-1Σn=1Nδ(n,i)f(Sai))---(4)]]>

δ(n,i)=1n=i0n≠i---(5)]]>

步骤7：对得到的先验图进行阈值分割，得到图像目标的参考信号；对得到的参考信号使用ICA_R和KDE估计目标的分布，得到I_map和K_map；使用指数形式结合I_map和K_map得到较为准确和完整的凸包M_map：

M_map＝I_map*e^-K_map/θ                （6）

步骤8：将改进的凸包M_map的内部作为目标区域，外部作为背景区域，以像素为单位统计LAB颜色直方图，计算目标和背景的观测似然概率：

f(I|Sa)=Σi∈(l,a,b)Fi(Ii)NF---(7)]]>

f(I|Bk)=Σi∈(l,a,b)Bi(Ii)NB---(8)]]>

步骤9：将由步骤67得到的先验图和由步骤8得到的观测似然概率使用贝叶斯公式结合，得到最终的显著度检测结果：

f(S|I)=f(S)f(I|S)f(S)f(I|S)+f(Bk)f(I|BK)---(9)]]>

f(Bk)＝1-f(S)                  (10)。