[发明专利]一种基于被包围状态和马尔可夫模型的图像显著性检测方法

权利要求书

1.一种基于被包围状态和马尔可夫模型的图像显著性检测方法，其特征在于以下步骤：

第一步，计算显著物体的大致区域

第二步，建立超像素图的模型

2.1)利用简单线性迭代聚类SLIC算法对初始图像进行图像处理，得到一幅图像的超像素图；

2.2)建立超像素节点之间边的连接关系和计算边的权重

利用公式(6)计算超像素图中连接的两个超像素节点之间的权重w_i,j；

其中，c_i和c_j表示两个超像素的特性均值；σ²为平衡参数，设置为0.1；

2.3)建立超像素图的模型G＝(V,E)；其中，V是超像素节点的集合，E是建立的边的集合；

第三步，以检测出的显著性物体的大致区域中的超像素作为前景先验，利用吸收马尔可夫链检测出初始的显著性图S1

3.1)构建转移矩阵

对第二步得到的图模型G中的节点进行重新排列，前t个节点为转移节点，后r个节点为吸收节点；其中，吸收节点为检测出的显著物体大致区域中的超像素，如公式(7)所示，定义关联矩阵C，c为C中的成员；

若关联矩阵中若c_i和c_j都是转移节点并且有边连接，那么c_ij＝w_ij；若c_i为吸收节点，那么c_ii＝1；c_ij的完整定义如下所示：

定义度矩阵D＝diag(∑_j c_ij)，通过度矩阵D和关联矩阵C，由公式(8)计算得到转移矩阵P；

其中，Q为一个t×t的矩阵；R为一个t×r的非零矩阵；0为一个r×t的零矩阵；I为一个r×r的单位矩阵；

3.2)利用吸收马尔可夫链检测初始显著图S1

定义吸收概率矩阵为：

对每个转移节点的吸收概率进行从大到小排序，取前0.8倍的吸收概率的平均值作为转移节点的吸收概率fs(i)；定义吸收节点的显著性值为1，转移节点的显著性值sal(i)＝exp(fs(i))·(1-fs(i))；通过计算得到每个节点的显著性值，最终得到初始显著图S1；

第四步，利用第一步计算得到的显著物体的大致区域，将距离预测显著性物体大致区域最远的两条边界的超像素作为背景先验，即作为吸收马尔可夫链的吸收节点，利用吸收马尔可夫链检测出初始的显著图S2，其他计算初始显著图S2的步骤和第三步相同；

第五步，利用公式S＝0.5(S1+S2)，融合初始显著图S1和S2得到最终显著图S。

2.根据权利要求1所述的一种基于被包围状态和马尔可夫模型的图像显著性检测方法，其特征在于，第一步所述的计算显著物体的大致区域的具体步骤为：

1.1)采用公式(1)计算得到一组二值图；

其中，F_φ是用于特征通道采样的先验分布函数；是用于在特征通道θ上进行阈值采样的先验分布函数；φ(I)是定义的一个特征图，φ(I)∈[0,1]；B_k是产生的二值图，k＝1,2,…..,16；

1.2)基于步骤1.1)得到的二值图，对二值图进行激活，激活二值图中的被包围区域；

M⁺(B)＝M(B)∧B, (2)

其中，M(B)为二值图的激活图；M⁺(B)、M^-(B)为M(B)的两个子激活图；

1.3)计算得到显著物体的大致区域

利用公式(4)计算得到每一个二值图的初始注视图；利用公式(5)对二值图的初始注视图进行归一化处理，得到最终的注视图，所述的注视图为得到的显著物体的大致区域；

其中，A(B)是经计算得到的初始注视图，k＝1,2,…..,16；为计算得到的最终注视图。

3.根据权利要求1或2所述的一种基于被包围状态和马尔可夫模型的图像显著性检测方法，其特征在于，所述的步骤2.2)建立超像素节点之间边的连接关系具体为：基于步骤2.1)得到的超像素图，以每一个超像素作为节点，在相邻超像素之间建立边的连接关系；如果不相邻的两个超像素与同一超像素连接，对这两个超像素建立边的连接关系；对上下两个边界的对称超像素建立边的连接关系，对左右两个边界的对称超像素建立边的连接关系。