[发明专利]基于鲁棒性背景先验和全局信息的显著性目标检测方法

权利要求书

1.基于鲁棒性背景先验和全局信息的显著性目标检测方法，其特征在于：该方法包括以下步骤：

(1)构建待检测图像的超像素标签矩阵；

(2)构建待检测图像的超像素权重矩阵；

(3)筛选瞬态节点和吸收节点；

(4)构建待检测图像的马尔科夫转移矩阵，并计算瞬态节点吸收时间；

(5)构建马尔科夫转移矩阵的显著性特征图；

(6)根据权重矩阵，计算超像素点的前背景概率；

(7)构建鲁棒性背景先验显著特征图；

(8)将马尔科夫转移矩阵的显著性特征图和鲁棒性背景先验显著特征图进行叠加整合，并利用所有超像素点的显著性值，生成超像素点的综合显著性检测图；

步骤(6)中所述的“根据权重矩阵，计算超像素点的前背景概率”，其具体包括以下步骤：

(61)采用以下公式计算边界节点的背景连通性：

对于任意的两个超像素点p和q，d_app(p，q)为国际照明委员会颜色-对比CIELAB中它们的平均颜色之间的欧几里德距离，d_geo(p，q)是测地距离，定义为沿图中最短路径的累积边权重；

(62)采用以下公式求得超像素点p属于背景的可能性BndCon(p)：

其中，Len_bnd(p)表示边界部分的超像素的边长，6是一个调整参数，对于图像边界上的超像素为1，否则为0；

Area(p)表示超像素点所在区域的面积，N为超像素点的数量；σ_clr为调整参数；exp是以e为底的指数函数；d_geo(p，p_i)是测地距离；S(p，p_i)表示超像素点p_i对p的区域的贡献度，累加起来就是p所属区域的面积；

(63)采用以下公式，计算超像素点的背景先验bg_i：

其中，σ_bndCon为背景联通性的调节参数，通常设为1；exp是以自然常数e为底的指数函数，e的取值为2.71828；BndCon(pi)表示超像素点pi属于背景的可能性；

(64)采用以下公式，计算超像素点的前景先验fg_i：

fg_i＝Ctr_p·bg_i

其中，Ctr_p表示超像素的对比度，d_app(p，p_i)表示超像素p和超像素p_i的权重；d_spa(p，p_i)是超像素p和超像素p_i的中心之间的距离，σ_spa是调节参数，exp是以自然常数e为底的指数函数，e的取值为2.71828。

2.根据权利要求1所述的基于鲁棒性背景先验和全局信息的显著性目标检测方法，其特征在于：步骤(1)所述的“构建待检测图像的超像素标签矩阵”，其具体包括以下步骤：

(11)将待检测图像分割成若干超像素点，并将分割后的待检测图像在红绿蓝三通道上进行颜色-对比空间转换，获得待检测图像在国际照明委员会颜色-对比CIELAB空间中的特征值；

(12)利用简单线性迭代聚类SLIC超像素分割算法，分割待检测图像，将待检测图像分为若干超像素块，获得相应的超像素映射图，并生成待检测图像的超像素标签矩阵；对于每一个超像素里面所有的像素，以其在国际照明委员会颜色-对比CIELAB空间中的特征均值作为每一个超像素的特征值。

3.根据权利要求1所述的基于鲁棒性背景先验和全局信息的显著性目标检测方法，其特征在于：步骤(2)中所述的“构建待检测图像的超像素权重矩阵”，其具体包括：以超像素作为节点构造出图模型，并寻找每个节点的邻接节点，计算出所有节点之间的边权重，构造邻接节点之间的权重矩阵。