[发明专利]一种基于迭代图割和自适应聚类的显著性检测方法

摘要

本发明属于图像处理领域，涉及一种基于迭代图割和自适应聚类的显著性检测方法，解决图像显著性检测问题。首先，使用简单线性迭代聚类SLIC算法对图像进行分割，得到大小不同的超像素。然后，基于迭代图割算法得到图像的背景部分，提出自适应聚类算法构建图像的初始显著性图。最后，根据初始显著性图中的显著部分，通过超像素的区域性查找显著区域，使用迭代图割算法更新显著区域得到最终的显著性图。该方法减少计算量的同时又不失精度，且具有很高的准确性。

主权项

1.一种基于迭代图割和自适应聚类的显著性检测方法，其特征在于，包括如下步骤：第一步，使用简单线性迭代聚类算法SLIC对图像进行分割，分别得到SLIC大超像素图像和SLIC小超像素图像；将输入图像分割40～60个超像素，得到SLIC大超像素图像，用于体现图像不同部分的区域性；将输入图像分割300～400个超像素，得到SLIC小超像素图像，用于提高计算精度；第二步，使用迭代图割算法对整幅图像进行分割，得到背景部分和前景部分；第三步，使用自适应聚类算法构建初始显著性图；a.使用自适应聚类算法，将SLIC小超像素图像的背景部分的超像素分成K类，即K是自适应聚类个数；b.前景部分的超像素与每类背景部分的超像素的颜色差异由公式(1)计算得到:c.前景部分的超像素与每类背景部分的超像素的距离差异由公式(2)计算得到；d.结合颜色差异和距离差异通过公式(3)得到初始显著性图S，并对该初始显著性图归一化处理；其中，pk是属于第k类超像素的总数；σ1＝0.2；σ2＝1.3；β＝10；K是自适应聚类个数；sk,i是以第k个自适应聚类为基础，第i个超像素的显著性值；ri和rj是超像素i和j的坐标，||ri,rj||是超像素i和j坐标的欧式距离；wk,i是以第k个自适应聚类为基础，第i个超像素的空间距离；ci，cj是超像素i和j在CIELAB下的颜色特征，||ci,cj||是超像素i和j在CIELAB空间中的欧式距离；第四步，根据第一步得到的SLIC大超像素图和第三步得到的初始显著性图查找显著目标所在的矩形区域；1)查找初始显著性图中显著性值大于等于0.5的像素所在的位置；2)根据步骤1)所述位置查找SLIC大超像素图中对应的超像素；3)确定每个步骤2)得到的超像素中最上、最下、最左、最右的像素位置，按照四个方向分别比较所有的像素位置，得到四个方向上像素位置的最值，确定显著目标所在的矩形区域的位置；第五步，根据第四步得到的显著目标所在的矩形区域的位置，使用迭代图割算法得到显著区域中的前景，即显著目标，更新初始显著性图，得到最终的显著性图，具体方法为：(1)对于显著目标之外的位置，将初始显著性图中对应的显著性值降为0；(2)对于显著目标所在的位置，如果初始显著性图对应的显著性值小于0.5，则增加1/K的显著性值；如果原显著性值大于等于0.5，则增加1‑1/K的显著性值，得到最终的显著性图。