[发明专利]一种图像显著区域检测方法

说明书

本发明公开了一种图像显著区域检测方法，包括：P1：色彩空间转换：将待检测图像从RGB色彩空间转换为CIELab色彩空间；P2：颜色分类：根据颜色的相似性将步骤P1处理后的待检测图像中的颜色划分为N类，并记录在所述待检测图像中每一类颜色覆盖的像素的数量；P3：计算离散度因子：分别计算N类颜色的离散度因子；P5：计算显著性值：根据步骤P3得到的离散度因子分别计算N类颜色的显著性值，其中显著性值与离散度因子呈负相关的关系；P6：归一化处理：对步骤P5计算得到的N类颜色的显著性值进行归一化处理后得到所述待检测图像的显著性值的灰度图像。本发明提出的图像显著区域检测方法，在降低计算量的同时，还保证了较高的精确度。

技术领域

本发明涉及计算机图像处理领域，尤其涉及一种图像显著区域检测方法。

背景技术

人类的视觉系统(Human Visual System)能够在复杂场景中，迅速地将注意力集中在少数几个显著的视觉对象上，这种能力称为视觉注意能力。图像显著性检测技术就是将视觉注意能力的机理应用到图像处理中，通过一定的方法将图像中更能吸引注意力的区域提取出来。通过提取显著区域，进而可以有目的分配分析图像所需的资源。显著性图像可以广泛的应用于图像分割、目标识别、自适应压缩、图像编辑和检索等领域。

图像显著性区域检测方法即是要得到待处理图像中每一个像素点的显著性值，根据显著性值得到对应的灰度图。现有的图像显著性区域检测方法中，有一些只考虑亮度作为单一通道计算显著性值，运算量小，但精度较低；也有一些针对每个像素点单独计算显著性值，得到的灰度图结果精确，但计算量很大；另外，很多方法只计算色差对显著性值的影响，并没有考虑色彩的分布对显著性值的判断也造成影响，导致图像显著性区域检测的精度较低。

以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。

发明内容

为了解决上述技术问题，本发明提出一种图像显著区域检测方法，在降低计算量的同时，还保证了较高的精确度。

为了达到上述目的，本发明采用以下技术方案：

本发明公开了一种图像显著区域检测方法，包括以下步骤：

P1：色彩空间转换：将待检测图像从RGB色彩空间转换为CIELab色彩空间；

P2：颜色分类：根据颜色的相似性将步骤P1处理后的所述待检测图像中的颜色划分为N类，并记录在所述待检测图像中每一类颜色覆盖的像素的数量T₁、T₂、……、T_N，其中T_i表示在所述待检测图像中第i类颜色覆盖的像素的数量；

P3：计算离散度因子：分别计算N类颜色的离散度因子G(1)、G(2)、……、G(N)，其中G(i)表示第i类颜色在所述待检测图像中的分布情况；

P5：计算显著性值：根据步骤P3得到的离散度因子分别计算N类颜色的显著性值S(1)、S(2)、……、S(N)，其中显著性值与离散度因子呈负相关的关系；

P6：归一化处理：对步骤P5计算得到的N类颜色的显著性值进行归一化处理后得到所述待检测图像的显著性值的灰度图像。

优选地，所述的图像显著区域检测方法还包括如下步骤：

P4：计算色差因子：分别计算N类颜色的色差因子D(1)、D(2)、……、D(N)，其中D(i)表示第i类颜色与所述待检测图像中其他所有像素颜色的差别；

其中步骤P5中计算显著性值还包括根据步骤P4得到的色差因子来分别计算N类颜色的显著性值S(1)、S(2)、……、S(N)，其中显著性值与色差因子呈正相关的关系。