[发明专利]从点至面的图像显著性检测

权利要求书

1.一种方法，包括

(a)输入彩色图像，所述图像为Lab(L为亮度，a和b分别表示色度)颜色空间格式的图像，其一个像素的像素值为由L、a、b三个分量构成的矢量；

(b)利用SUSAN角点检测方法获取所述图像的基准点集合，其中，采用一个圆形模板在所述图像中移动，并在每个位置上利用以下公式(6)比较所述模板内各像素的亮度与模板核的亮度：

D(r,r0)=1if||p(r)-p(r0)||≤||ΣN(px-p‾)N||0if||p(r)-p(r0)||>||ΣN(px-p‾)N||---(6)]]>

其中，r₀是圆形模板的核心像素点，r是圆形模板的其它像素点，p(r₀)指的是核心像素点的像素值，而p(r)指的就是其它对应像素点的像素值，||.||表示在Lab空间中的L2范数，p_x表示模板内部任一像素的像素矢量，N表示模板内像素数量，表示模板内部所有像素矢量的平均值，D是判决结果，

然后，利用以下公式(2)计算每一个像素点的USAN区域大小：

n(r0)=ΣrD(r,r0)---(2)]]>

然后，利用以下公式(3)计算每一个像素点的初始角响应：

R(r0)=g-n(r0)if n(r0)<g0others---(3)]]>

其中，g表示几何阈值，

其中，如果某个像素的初始角响应不为0，那么该像素点被视为角点，并加入所述基准点集合中，

(c)依据所述图像的全局相关性所述基准点集合中的一些基准点，其中，对所述集合中每一个像素依据下式(7)计算其全局对比度：

SA=Σw×hD(Px,y,Pi)---(7)]]>

其中，P_x，y表示坐标为(x，y)的基准点像素的矢量值(亦即该位置处的像素的像素值，其是一个3×1的矢量)，P_i为所述图像中任意一点的像素矢量值，D(P_x，y，P_i)为所述图像I的Lab空间中的像素距离，表达式如公式(4)所示，w和h表示所述图像的宽度和高度，因此表示进行针对整个图像的全局处理，

D′(r,r0)=||P(r)-p(r0)||,∀P(r)∈I---(4)]]>

然后，对所有基准点像素的S_A，使用阈值T进行筛选，将所有基准点中S_A＜T的点从所述集合中去除：

T=SA‾=ΣNSAN---(8)]]>

其中，T是基准点平均显著值，N是所述集合中所有基准点的数量，

(d)对所述集合中剩下的基准点进行去孤立点处理，以去除所述集合中的孤立点；

(f)从所述集合中的M个基准点依次取每一个点p(c)作为中心点，考虑以该点为中心的圆周邻域，依次搜索其圆周内每一个基准点像素，依据下式计算其显著性取值：

Saliency(c,r)=ω3(c,r)·ω4(c,r)·ΣM,∀pc∈I,∀pc+r∈Iω2(c,r)·exp(-||pc-pc+r||)---(9)]]>

其中，c表示当前基准点，r表示圆周的半径，||p_c-p_c+r||仍表示当前基准点像素c与所述圆周内任一基准点(c+r)的像素矢量值在Lab空间中的L2范数，并且

ω2(c,r)=11+λ·r---(10)]]>

其中，λ是经验常数，

ω3(c,r)=1-DistToCenter(pc+r)maxc{DistTocenter(pc)}---(11)]]>

其中，DistToCenter(p_c)表示像素p_c距离图像中心的空间距离，max_c{DistTocenter(p_c)}为归一化因子，表示所述集合的全部基准点中DistTocenter(p_c)的最大值，

ω4(c,r)=Aexp[-(Pc-P‾)2σs2]---(12)]]>

其中，A表示高斯函数的常系数，P_c表示像素p_c在图像中出现的概率，表示所述集合中全部基准点像素的平均出现概率，控制像素概率权值强度；

(g)输出显著特征图。