[发明专利]一种融合局部和全局稀疏的图像显著性检测方法

摘要

本发明公开了一种融合局部和全局稀疏的图像显著性检测方法，该方法首先对原始图像进行局部稀疏表示，即：将原始图像分割成若干图像块，针对每一个图像块，选取其周围的若干图像块生成过完备字典，基于该字典对图像块进行稀疏重构，最终得到原始图像的初始局部显著图。其次，对原始图像进行全局稀疏表示，与局部稀疏表示过程类似，不同的是针对每一个图像块所生成的字典来源于原始图像四周边界处的图像块，这样就可以得到初始全局显著图。最后，采用自适应的方式融合局部和全局显著图，得到原始图像最终显著图。实验结果验证了本发明方法的有效性。

主权项

1.一种融合局部和全局稀疏的图像显著性检测方法，其特征在于，包括如下步骤：步骤1，获取原始图像，并将原始图像分割成若干个大小相同、互不重叠的图像块，将图像块按从左到右、从上到下的顺序依次编号并标记；步骤2，将所有图像块重新整合成矩阵形式并按照编号进行排序，形成一个矩阵B＝[b₁,b₂,…,b_N]，其中，b_i为第i个图像块纵向表示的列向量，i＝1,2,…,N，N为所有图像块的数量；步骤3，构造用于局部稀疏表示的稀疏字典，对第1至第n个图像块对应的列向量b₁,…,b_n，选取当前列向量后2n列的列向量构造该图像块对应的稀疏字典D₁,…,D_n；对第n+1至第N‑(n‑1)‑1个图像块对应的列向量b_n+1,…,b_{N‑(n‑1)‑1}，选取该列向量前n列和后n列共2n列的列向量构造该图像块对应的稀疏字典D_n+1,…,D_{N‑(n‑1)‑1}；对第N‑(n‑1)至第N个图像块对应的列向量b_N‑(n‑1),…,b_N，选取当前列向量前2n列的列向量构造该图像块对应的稀疏字典D_N‑(n‑1),…,D_N，n为正整数；步骤4，构造用于全局稀疏表示的稀疏字典，选取原始图像上下左右四个边界图像块对应的列向量构造所有图像块对应的稀疏字典；步骤5，利用OMP算法分别求解局部稀疏表示、全局稀疏表示的稀疏系数；步骤6，利用局部稀疏表示的稀疏系数重构每个图像块，得到每个图像块对应的重构误差列向量，将所有图像块形成的重构误差矩阵恢复成图像，并进行高斯滤波得到局部初始显著图；步骤7，利用全局稀疏表示的稀疏系数重构每个图像块，得到每个图像块对应的重构误差列向量，将所有图像块形成的重构误差矩阵恢复成图像，并进行高斯滤波得到全局初始显著图；步骤8，将局部初始显著图、全局初始显著图均转换为灰度图，并归一化显著值，采用自适应融合算法融合局部初始显著图和全局初始显著图，得到最终的显著图。