[发明专利]一种图像目标显著性度量方法

权利要求书

1.一种图像目标显著性度量方法，其特征在于：包括如下步骤：

步骤1：将自然图像的任意目标进行图像-背景分割，得到目标显著图，并根据其获得边界所在位置的坐标集合；

步骤2：将自然图像进行连续采样得到N×N大小的图像块，并结合目标显著图判断每个图像块属于目标图像或者背景图像后生成目标图像库和背景图像库；

步骤3：分别在M个边界所在的坐标位置处筛选目标图像库和背景图像库中离每个边界最临近的图像块后，并将图像块配对得到M对目标和背景图像块；

步骤4：分别对目标图像块和背景图像块进行稀疏表征，获取目标图像块和背景图像块的朝向、空间频率、对比度信息和权值；

步骤5：将步骤3所得M对目标和背景图像块以及步骤4所得目标图像块与背景图像块的朝向、空间频率、对比度信息和权值进行整合得到图像中任意目标的显著值；

所述整合采用的公式如下：

其中，M表示边界的像素数目，N×N为基函数的数量，下标1和2分别表示目标图像块和背景图像块，α表示每个基函数表征图像块的权值，θ、f、W代表每个基函数的朝向、空间频率和对比度信息。

2.根据权利要求1所述的一种图像目标显著性度量方法，其特征在于：所述步骤4包括如下步骤：

步骤4.1：选择自然图像进行训练得到用于表征任意自然图像块的N×N基函数集合；

步骤4.2：对每个基函数进行拟合获得每个基函数的朝向、空间频率和对比度信息；

步骤4.3：采用稀疏表征模型，用N×N基函数集合分别表征每对目标图像块和背景图像块，得到每个基函数表征每对目标图像块和背景图像块的权值。

3.根据权利要求1所述的一种图像目标显著性度量方法，其特征在于：所述步骤2中N取16或者16的其他整数倍。

4.根据权利要求1所述的一种图像目标显著性度量方法，其特征在于：所述步骤1中的目标区域标定为255，背景区域标定为0，边界区域介于背景区域和目标区域之间。

5.根据权利要求2所述的一种图像目标显著性度量方法，其特征在于：所述步骤4.2中拟合采用初级视皮层神经元感受野模型。