[发明专利]基于马尔可夫背景与前景吸收链的图像显著性检测方法

权利要求书

1.基于马尔可夫背景与前景吸收链的图像显著性检测方法，用于实现目标图像中显著性目标的检测，其特征在于，包括如下步骤：

步骤A.获得目标图像中的显著特征点，构建凸包，然后进入步骤B；

步骤B.针对目标图像进行超像素分割处理，获得各个超像素，然后获得两两超像素之间的相似度，并进入步骤C；

步骤C.定义沿目标图像边缘一周宽度为d的区域为边界区域，根据若超像素中包含位于边界区域的像素点，则判定该超像素属于候选边界背景集B₀的规则，构建候选边界背景集B₀，然后进入步骤D；

步骤D.根据目标图像中两两超像素之间的相似度，分别针对候选边界背景集B₀中的各个超像素，获得与该超像素之间相似度不小于预设相似度阈值的其余各个超像素，并结合该超像素共同构成该超像素所对应的相似区域，进而获得候选边界背景集B₀中各个超像素分别所对应的相似区域，然后进入步骤E；

步骤E.分别针对候选边界背景集B₀中各个超像素所对应的相似区域，获得超像素所对应相似区域的边界连通性，再根据相似区域的边界连通性，获得该超像素属于背景的概率，然后删除候选边界背景集B₀中概率小于预设背景概率阈值的超像素，更新为边界背景集B₁，然后进入步骤F；

步骤F.获得目标图像中各个超像素分别相对边界背景集B₁的显著值，并获得平均值，作为相对背景显著平均值；然后选择目标图像中边界区域与凸包之间区域内同时小于预设背景显著阈值与相对背景显著平均值的超像素，加入边界背景集B₁，更新为背景种子集B，并进入步骤G；

步骤G.构建目标图像中全部超像素所对应的无向图G，然后根据无向图G中各边的权重，构建无向图G所对应的邻接矩阵W，并进入步骤H；

步骤H.根据无向图G与背景种子集B，构建背景吸收马尔可夫链图然后结合无向图G所对应的邻接矩阵W，获得背景吸收马尔可夫链图所对应的关联矩阵A，并根据关联矩阵A，获得背景吸收马尔可夫链图所对应的概率转移矩阵P，最后根据被吸收时间，获得目标图像中各个超像素分别相对背景种子集B的显著值，并进入步骤I；

步骤I.将目标图像中各个超像素分别相对边界背景集B₁的显著值与目标图像中各个超像素分别相对背景种子集B的显著值进行融合，获得目标图像中各个超像素相对背景的显著值；然后根据各个超像素相对背景的显著值，结合预设相对背景显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。

2.根据权利要求1所述基于马尔可夫背景与前景吸收链的图像显著性检测方法，其特征在于，所述步骤I中，获得目标图像中各个超像素相对背景的显著值后，进入如下步骤：

步骤J.选择目标图像中各个超像素相对背景的显著值中最大值的预设倍数，作为前景显著阈值，然后选择凸包中相对背景的显著值不小于前景显著阈值的超像素，构成前景种子集F，然后进入步骤K；

步骤K.按步骤H的方法，基于吸收马尔可夫链，获得目标图像中各个超像素相对前景种子集F的显著值，即目标图像中各个超像素相对前景的显著值，并进入步骤L；

步骤L.根据预设权重，将目标图像中各个超像素相对背景的显著值与目标图像中各个超像素相对前景的显著值进行融合，获得目标图像中各个超像素的显著值，然后根据各个超像素的显著值，结合预设相对显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。

3.根据权利要求2所述基于马尔可夫背景与前景吸收链的图像显著性检测方法，其特征在于，所述步骤L中，获得目标图像中各个超像素的显著值之后，利用平滑机制针对目标图像中超像素的显著值进行平滑处理更新，然后根据更新后的各个超像素的显著值，结合预设相对显著阈值，针对目标图像中各个超像素进行前景与背景的划分，实现目标图像中前景与背景的划分。