[发明专利]判断图像主体显著性及训练其分类器的方法和系统

权利要求书

1.一种训练用于判断图像主体显著性的分类器的方法，其特征在于，包括如下步骤：

a.获取A张主体显著性图像作为正样本，以及B张主体非显著性图像作为负样本，其中A和B为正整数；

b.在多个尺度下对所述正样本和所述负样本进行视觉特征提取，所述视觉特征包括视觉显著度；以及

c.利用所提取的视觉特征训练用于判断图像主体显著性的分类器。

2.根据权利要求1所述的方法，其特征在于，步骤b还包括：将所述正样本和所述负样本均划分为中心区域和周围区域，然后对所述正样本和所述负样本的中心区域和周围区域分别进行视觉特征提取。

3.根据权利要求2所述的方法，其特征在于，所述视觉特征还包括颜色特征、边缘特征、纹理特征中的至少一个。

4.根据权利要求1所述的方法，其特征在于，步骤b中提取视觉显著度的步骤包括：分别为所述正样本和负样本计算强度显著图和颜色显著图，然后利用所计算的强度显著图和颜色显著图得到视觉显著度。

5.根据权利要求3所述的方法，其特征在于，步骤b中提取颜色特征的步骤包括：在Lab空间计算所述正样本和负样本的一阶矩和二阶矩，并使用所述正样本和负样本的中心区域和周围区域在L通道的一阶矩的差、在L通道的二阶矩的差、在a通道的一阶矩的差、在a通道的二阶矩的差、在b通道的一阶矩的差以及在b通道的二阶矩的差来得到颜色特征向量。

6.根据权利要求3所述的方法，其特征在于，步骤b中提取边缘特征的步骤包括：使用sobel边缘算子计算所述正样本和负样本中每个像素的梯度幅值和梯度方向以获得边缘特征向量。

7.根据权利要求3所述的方法，其特征在于，步骤b中提取纹理特征的步骤包括：利用统一LBP纹理描述子分别提取所述正样本和负样本的中心区域以及周围区域的统一LBP，从而得到所述正样本和负样本的纹理特征向量。

8.根据权利要求1所述的方法，其特征在于，步骤b包括利用高斯金字塔分解在三个尺度下对所述正样本和所述负样本进行视觉特征提取。

9.根据权利要求3所述的方法，其特征在于，步骤c包括采用径向基核函数支持向量机SVM分别训练所提取的各视觉特征以得到置信值，并使用下式计算所述正样本和负样本的图像显著度的分数：

S(x)=Σm=1Nωm·c(πm)]]>

其中，ω_m是利用交叉验证方法获得的所述正样本和负样本的每类视觉特征的SVM权重，c(π_m)是对所述正样本和负样本的第m个视觉特征进行SVM训练得到的置信值，m是正整数，M是视觉特征的种类，其大于等于1小于等于4。

10.一种判断图像主体显著性的方法，其特征在于，包括如下步骤：

a.获取待判断是否具有主体显著性的图像；

b.在多个尺度下对所获取的图像进行视觉特征提取，所述视觉特征包括视觉显著度；以及

c.利用所提取的视觉特征判断所获取的图像是否为主体显著性图像。

11.根据权利要求10所述的方法，其特征在于，步骤b还包括：将所获取的图像划分为中心区域和周围区域，然后对所获取的图像的中心区域和周围区域分别进行视觉特征提取。

12.根据权利要求11所述的方法，其特征在于，所述视觉特征还包括颜色特征、边缘特征、纹理特征中的至少一个。