[发明专利]一种多特征融合的图像显著性检测方法

权利要求书

1.一种多特征融合的图像显著性检测方法，其特征在于，包括如下步骤:

S1:搭建MFS先验特征选择模块，从先验特征中选择主要特征并对主要特征进行增强；

S2:搭建主干网络的架构，采用基于U-Net的网络改进的Contrast U-Net作为主干网络，该主干网络包含编码器、挤压提取模块、解码器，其中编码器中包含先验融合模块；

S3:使用损失函数对整体模型网络结构进行优化。

2.如权利要求1所述的一种多特征融合的图像显著性检测方法，其特征在于：步骤S1中MFS先验特征选择模块具体实现方式为：

S11:通过对原始图片处理得到4个先验特征f_m；

其中，m=1,2,3,4，f₁表示特征暗通道、f₂表示特征MSCN、f₃表示特征HSV通道的H通道、f₄表示特征HSV通道的S通道；

S12:将每个先验特征进行直方图统计，得到整体特征分布；将每个特征图的最外沿特征值取出做直方图统计，得到背景特征主要分布；在背景中增加显著目标后，通过整体特征分布和背景特征主要分布得到显著目标特征可能分布，其获得方式为：

其中，k=10表示统计直方图有10个等距值域区间，r_k表示第k级矩阵特征值域区间；当为0时，的值为无穷大；

S13:通过每个背景特征主要分布和显著目标特征可能分布分别得到背景特征主要分布区域和显著目标特征主要分布区域；

S14:通过背景特征主要分布区域与显著目标特征主要分布区域计算分布差异d_m，选择分布差异中前三个最大值所对应的特征进行拼接得到主要特征F_P，然后将其输入1×1的卷积层，获得一个多通道主要特征F_P1；

S15:增强多通道主要特征F_P1，通过将多通道主要特征F_P1进行残差连接，然后进行2×2最大池化，得到增强后的多通道主要特征F_pre，用于编码器第2部分的先验输入；对F_pre重复进行S15步骤进行增强，得到F_pre1，用于编码器第3部分的先验输入。

3.如权利要求2所述的一种多特征融合的图像显著性检测方法，其特征在于：步骤S13中背景特征主要分布区域获得方式为背景特征主要分布取最大值时的k值；显著目标特征主要分布区域获得方式为显著目标特征可能分布取最大值时的k值。

4.如权利要求2所述的一种多特征融合的图像显著性检测方法，其特征在于：步骤S14中分布差异d_m获得方式为：

。

5.如权利要求2所述的一种多特征融合的图像显著性检测方法，其特征在于：步骤S15中其增强后的多通道主要特征获得方式具体为：

对多通道主要特征先进行两次3×3的卷积操作，再与多通道主要特征连接，然后进行2×2最大池化，得到增强后的多通道主要特征。