[发明专利]一种基于颜色直方图和凸包的显著性检测方法

摘要

本发明属于图像处理领域，涉及一种基于颜色直方图和凸包的显著性检测方法，解决图像显著性检测问题。首先，根据图像的颜色直方图构建基于颜色直方图的显著性图来体现像素的颜色特征和细节特征。然后，使用简单线性迭代聚类SLIC对图像进行分割，根据区域对比构建基于区域对比度的显著性图。最后，根据图像中的兴趣点和图像分割技术来构建凸包，根据凸包融合基于颜色直方图和区域对比度的显著性图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

一种基于颜色直方图和凸包的显著性检测方法，其特征在于，包括如下步骤：第一步，根据图像的颜色直方图构建基于颜色直方图的显著性图，像素的显著性值由公式(1)计算得到：Si=Σj=1npi||ci,cj||---(1)]]>其中，Si表示像素i的显著性值；n表示图像中的像素个数；pi表示像素i的颜色在图像中所占的比例；||ci,cj||表示像素i和像素j在Lab颜色空间中的差异；第二步，使用简单线性迭代聚类算法将输入图像分割800～900个超像素，得到小超像素图像，根据每个超像素的颜色特征，将在图像四条边上的超像素分成三类；使用公式(2)计算基于区域对比度的显著性图：SI=Σk=13(ΣJ=1Nk1(e-||cI,cJ||2β1+α)ΣJ=1Nke-||dI,dJ||22β22)---(2)]]>其中，SI表示超像素I的显著性值；Nk表示每个分类中超像素数量；dI和dJ是超像素I和J的坐标，||dI,dJ||是超像素I和J坐标的欧式距离；β1＝0.2；β2＝1.1；α＝8；||cI,cJ||表示超像素I和超像素J在Lab颜色空间中的差异；第三步，构建凸包表示图像中的显著部分；第四步，使用简单线性迭代聚类算法将输入图像分割300～400个超像素，得到中等超像素图像；查找第三步得到的凸包中所有像素位置对应的超像素，使用公式(3)更新第一步和第二步得到的显著性图中凸包外部超像素的显著性值：Sout＝Sout‑α    (3)其中，Sout表示凸包外部的超像素，其不包括凸包边缘部分的超像素；α＝0.5；进而得到更新后的基于颜色直方图的显著性图S1，基于区域对比度的显著性图S2；第五步，最终的显著性图S通过公式(4)来计算：S＝βS1+(1‑β)S2   (4)其中β＝0.4表示比例因子。