[发明专利]一种基于颜色直方图和凸包的显著性检测方法

权利要求书

1.一种基于颜色直方图和凸包的显著性检测方法，其特征在于，包括如下步骤：

第一步，根据图像的颜色直方图构建基于颜色直方图的显著性图，像素的显著性值由公式(1)计算得到：

Si=Σj=1npi||ci,cj||---(1)]]>

其中，S_i表示像素i的显著性值；n表示图像中的像素个数；p_i表示像素i的颜色在图像中所占的比例；||c_i,c_j||表示像素i和像素j在Lab颜色空间中的差异；

第二步，使用简单线性迭代聚类算法将输入图像分割800～900个超像素，得到小超像素图像，根据每个超像素的颜色特征，将在图像四条边上的超像素分成三类；使用公式(2)计算基于区域对比度的显著性图：

SI=Σk=13(ΣJ=1Nk1(e-||cI,cJ||2β1+α)ΣJ=1Nke-||dI,dJ||22β22)---(2)]]>

其中，S_I表示超像素I的显著性值；N_k表示每个分类中超像素数量；d_I和d_J是超像素I和J的坐标，||d_I,d_J||是超像素I和J坐标的欧式距离；β₁＝0.2；β₂＝1.1；α＝8；||c_I,c_J||表示超像素I和超像素J在Lab颜色空间中的差异；

第三步，构建凸包表示图像中的显著部分；

第四步，使用简单线性迭代聚类算法将输入图像分割300～400个超像素，得到中等超像素图像；查找第三步得到的凸包中所有像素位置对应的超像素，使用公式(3)更新第一步和第二步得到的显著性图中凸包外部超像素的显著性值：

S_out＝S_out-α(3)

其中，S_out表示凸包外部的超像素，其不包括凸包边缘部分的超像素；α＝0.5；

进而得到更新后的基于颜色直方图的显著性图S₁，基于区域对比度的显著性图S₂；

第五步，最终的显著性图S通过公式(4)来计算：

S＝βS₁+(1-β)S₂ (4)

其中β＝0.4表示比例因子。

2.根据权利要求1所述的一种基于颜色直方图和凸包的显著性检测方法，其特征在于，第三步构建凸包表示图像中显著部分的具体方法为：

步骤1基于初始输入图像，采用Harris算子计算兴趣点得到凸包C₁；

步骤2使用第二步得到小超像素图像，计算每个超像素的颜色均值作为超像素中每个像素的颜色特征，将原图像模糊化；进而采用Harris算子计算兴趣点得到凸包C₂；

步骤3使用简单线性迭代聚类算法将输入图像分割40～60个超像素，得到大超像素图像C₃；

步骤4将步骤1、2分别得到的凸包C₁和C₂与步骤3得到的大超像素图像C₃取交集得到更加准确的凸包。