[发明专利]一种基于多特征扩散的图像显著性检测方法及终端

权利要求书

1.一种基于多特征扩散的图像显著性检测方法，其特征在于，包括：

S1：通过超像素分割算法将图像分割为若干个超像素，并根据所述若干个超像素，构造得到第一图形结构；

S2：根据拉普拉斯的逆矩阵和谱聚类原理，得到所述逆矩阵的改进矩阵；根据第一图形结构，通过显著性检测方法中的背景先验算法、颜色先验算法和位置先验算法得到高层先验特征；根据所述第一图形结构及高层先验特征，生成种子节点；

S3：分别根据图像的中层特征和高层特征构建对应的扩散图和扩散矩阵；并根据种子节点、改进矩阵、扩散图和扩散矩阵，生成对应的显著图，得到中层特征对应的中层显著图和高层特征对应的高层显著图；

S4：根据所述中层显著图和高层显著图，通过非线性融合算法，生成目标显著图；

所述S2中所述根据拉普拉斯的逆矩阵和谱聚类原理，得到所述逆矩阵的改进矩阵具体为：

根据拉普拉斯的逆矩阵，得到拉普拉斯矩阵A；

根据拉普拉斯矩阵A，得到其中Λ_A为对角阵，对角阵的对角元素由A的特征值组成，U_A的列向量由特征值对应的特征向量所组成；

根据谱聚类原理，舍弃U_A中A的最小特征值对应的特征向量，得到

计算所有的相邻两个特征值的差值，得到两个特征值的差值的最大值，舍弃最大值对应的两个特征值后续的所有特征值，得到

根据对判别力小的特征向量进行舍弃得到由此得到所述逆矩阵的改进矩阵

2.根据权利要求1所述一种基于多特征扩散的图像显著性检测方法，其特征在于，所述S1具体为：

将图像分割为多个超像素，每个超像素由若干个像素点组成；

根据所述多个超像素，得到图形结构G＝(V,E)；将每个超像素作为图形结构的一个节点V；每个超像素对应节点与超像素相邻的第一超像素对应的节点的连接线，以及每个超像素对应节点与第二超像素对应的节点的连接线，构成图形结构的边E；所述第二超像素与所述第一超像素相邻，且不与超像素重合；

根据图形结构，分别计算每一个边缘超像素对应的边缘节点和与边缘节点相邻的每一个节点之间的距离值，得到多个距离值；所述边缘超像素为包括图像边缘的像素点的超像素；

根据多个距离值、每一个边缘超像素的lab颜色值及与每一个边缘超像素所有相邻的超像素的lab颜色值，计算得到每个边缘节点的对应的显著性值，获取小于预设第一阈值的显著性值，得到多个的第一显著性值，将所述第一显著性值对应的边缘节点作为背景节点，得到多个第一背景节点；

根据每一个第一背景节点与除所述第一背景节点外的每一个背景节点之间的连接线，新增所述图形结构的边，得到第二图形结构；

获取所述第二图形结构中与每一条边相连的两个节点，计算所述每一条边相连的两个节点分别对应的超像素的lab颜色值之间差值，根据所述差值，得到每一条边的权重，得到带有权重的无向图，即为所述第一图形结构。

3.根据权利要求1所述的一种基于多特征扩散的图像显著性检测方法，其特征在于，所述S2中所述根据所述第一图形结构及高层先验特征，生成种子节点具体为：

根据所述高层先验特征和所述第一图形结构，得到各个节点对应的第二显著性值，获取第二显著性值中所有大于预设第二阈值的显著性值，得到多个的第三显著性值；

根据所述第三显著性值，得到种子节点。

4.根据权利要求1所述的一种基于多特征扩散的图像显著性检测方法，其特征在于，所述S3具体为：

根据第一图形结构中每一个节点对应超像素的lab颜色值，计算所述第一图形结构中每一条边的第一权重；并根据第一图形结构、种子节点、改进矩阵和每一条边的第一权重，得到图像的底层显著图；

根据所述图像的底层显著图，得到每一个节点对应的第一特征值；根据每一个节点对应的第一特征值，计算所述第一图形结构中每一条边的第二权重；并根据第一图形结构、种子节点、改进矩阵和每一条边的第二权重，得到图像的中层显著图；

根据所述图像的中层显著图，得到每一个节点对应的第二特征值；根据每一个节点对应的第二特征值，计算所述第一图形结构中每一条边的第三权重；并根据第一图形结构、种子节点、改进矩阵和每一条边的第三权重，得到图像的高层显著图。