[发明专利]一种基于移动视觉焦点的图像视觉显著性检测方法

权利要求书

1.一种基于移动视觉焦点的图像视觉显著性检测方法，其特征在于，该图像视觉显著性检测方法包括以下步骤：

输入原始图像，运用基于图的分割算法将所述原始图像分割成K个区域；

对输入的所述原始图像进行量化及高频颜色筛选；

利用分割图像得到量化图像对应的分割区域，并进行区域对比，计算获取第i个区域的视觉显著值从而获得初始显著图，1≤i≤K；

以图像中心为初始视觉焦点，对所获得的所述初始显著图进行加权计算；

利用显著性引力模型计算视觉焦点的移动距离及移动方向，获取下一个视觉焦点，直到当前视觉焦点的距离与上一视觉焦点的距离小于1为止；以及运用最终的视觉焦点对获得最终视觉焦点的前一次得到的显著图加权以获得最终显著图。

2.根据权利要求1所述的图像视觉显著性检测方法，其特征在于，上述对原始图像进行量化及高频颜色筛选的步骤还包括：

将所述原始图像的RGB通道的颜色值量化为12个不同的值，其计算式为：

[Ps,t1,R,Ps,t1,G,Ps,t1,B]T=Int(12255[Ps,tR,Ps,tG,Ps,tB]T)]]>

其中，s＝1,2,…,m;t＝1,2,…n；分别表示原始图像中的像素点在RGB颜色空间每个通道的颜色值；分别表示量化后图像中的像素点在RGB颜色空间每个通道的颜色值；Int(.)表示将浮点型转换为整型，此时图像集被重新定义为如下：

D1={I11,I21,···IN01}]]>

对于每个像素通过下面的公式结合三个通道的颜色值：

Ps,t2=Ps,t1,RPs,t1,GPs,t1,B122121]]>

s＝1,2,…,m;t＝1,2…,n.

其中，表示三通道值经过转化后，得到的单通道值；分别表示像素点P_s,t在RGB颜色空间下每个通道的颜色值，此时图像集被重新定义为一个矩阵集：

D2={I12,I22,···IN02}]]>

通过一个有序的统计直方图去获得每种颜色出现的频率，对于每一个颜色频率统计操作H:如下：

H(Ii2)=(f0i,f1i,···,fNii)]]>

其中，是第i幅图像中颜色m出现的频率，m＝{0,1,2…,N_i}；而H(·)操作包括从小到大的排列；

统计出现频率高的颜色并确保这些颜色覆盖95%像素，其余颜色用与其颜色距离差最近的颜色替代，具体步骤如下：

ski=Σj=0kfji,k=0,1···,Ni]]>

其中，表示需要累加得到的颜色数目，k表示截断时第k种颜色的索引颜色舍去阈值被定义为：

C₁＝0.05×m×n

最大限度的截断范围M_i定义如下：

Mi=k,ifski≤C1andsk+1i>C1256,Ni-k≥256]]>

每个像素的颜色索引函数如下：

index(f(Ps,t1))=j,if f(Ps,t2)=fji]]>

其中，表示像素点的统计函数，

图像的颜色可以被截断为U₁和U₂两部分:

U1i={Ps,t1∈Ii1|index(f(Ps,t1))≤Mi}]]>

U2i={Ps,t1∈Ii1|index(f(Ps,t1))>Mi}]]>

对于每一个像素量化函数如下：

Ps,t3=q(Ps,t1),Ps,t1∈U1iPs,t1,otherwise]]>

其中，

q(Ps,t1)=argminP∈U2id(Ps,t1,P),P∈U2i]]>

d(Ps,t1,P)=|Ps,t1,R-PR|2+|Ps,t1,G-PG|2+|Ps,t1,G-PG|2]]>

出现频率较低的颜色将会被最相似的颜色所替代，此时图像集被重新定义为：

D3={I13,I23,···,IN03}.]]>