[发明专利]基于纹理特征和颜色特征融合的图像显著性检测方法

摘要

本发明公开了一种基于纹理特征和颜色特征融合的图像显著性检测方法，主要解决现有技术对于纹理特征利用不充分，对高纹理图像显著性检测效果较差的问题。其方案是：1)输入图像，并利用基于总变差模型的滤波方法去除纹理，得到含颜色特征的图像；2)对输入的图像，利用Gabor滤波器进行滤波，得到含图像纹理信息的图像；3)根据颜色特征的图像计算初步对比度值；4)根据纹理信息图像计算背景概率；5)对初步对比度值和背景概率进行融合得到新的对比度，进而得到基于颜色和纹理特征的显著图。本发明充分利用了图像的颜色和纹理信息，提高了复杂纹理图像的检测效果，可用于计算机视觉任务中。

主权项

1.一种基于纹理特征和颜色特征融合的图像显著性检测方法，包括：1)输入原始图像I，对其进行去纹理处理，得到去纹理图像S，利用SLIC方法对去纹理图像S进行超像素分割，得到颜色超像素图像SP₁；2)输入原始图像I，利用Gabor滤波器函数提取其纹理特征，得到纹理特征图像T，利用SLIC方法对纹理特征图进行超像素分割，得到纹理超像素图像SP₂；3)把颜色超像素图像SP₁转化到CIE‑Lab颜色空间，得到对应的CIE‑Lab颜色超像素图像SP₃，在CIE‑Lab颜色超像素图像SP₃中第i个超像素p_i和第j个超像素p_j，计算颜色距离d_app(p_i,p_j)₁和空间距离d_spa(p_i,p_j)；4)计算CIE‑Lab颜色超像素图像SP₃中第i个超像素p_i的初步对比度Ctr(p_i)，利用该对比度得到基于颜色特征的颜色显著图SM₁；5)把纹理超像素图像SP₂转化到CIE‑Lab颜色空间，得到对应的CIE‑Lab纹理超像素图像SP₄，对CIE‑Lab纹理超像素图像SP₄中第i个超像素p_i和第j个超像素p_j构建无相权值表，从该无相权值表中得到第i个超像素和第j个超像素的最短路径，计算p_i和p_j在最短路径的累积权重d_geo(p_i,p_j)；6)计算CIE‑Lab纹理超像素图像SP₄中第i个超像素p_i的广度面积Area(p_i)和p_i边界连接函数为BndCon(p_i)，根据这两个参数计算背景概率其中，σ_BC为比例系数，σ_BC∈[0.5,2.5]；7)用背景概率作为权值，对初步对比度Ctr(p_i)进行加强，得到加强后的对比度ωCtr(p_i)，利用该对比度ωCtr(p_i)得到基于纹理特征的纹理显著图SM₂；8)输入纹理显著图SM₂，并利用SLIC方法对纹理特征图进行超像素分割，得到纹理超像素显著图SM₃，再将SM₃转化到CIE‑Lab颜色空间，得到对应的CIE‑Lab纹理显著图SM₄，在SM₄中第i个超像素p_i和第j个超像素p_j，计算颜色距离d_app(p_i,p_j)₂；9)将第i个超像素p_i和第j个超像素p_j分别在CIE‑Lab颜色超像素图像SP₃中的颜色距离d_app(p_i,p_j)₁在CIE‑Lab纹理显著图SM₄中的颜色距离d_app(p_i,p_j)₂及背景概率进行线性融合，得到最终对比度ωCtr(p_i)*，利用该对比度得到同时包含颜色特征和纹理特征的最终显著图SM。