[发明专利]一种基于期望步数的图像显著程度检测方法

摘要

本发明公开了一种基于期望步数的图像显著程度检测方法，包括：将输入图像切分成不重叠的图像块，提取每个图像块的初级视觉特征；构造全连通图和k规则图。对于每个图像块计算这个图像块与其他所有图像块的不相似度，利用图像块间的不相似度计算两个图模型中各结点的初始转移概率，得到平稳分布的概率，然后求得求的关键结点；将全连通图和k规则图进行融合，计算到达关键结点的期望步数，然后计算出每个结点的显著值，得到显著图。通过二维高斯平滑算子进行平滑，得到最终反映图像各个区域显著程度的结果图像。与传统方法相比，本发明通过图像库测试对比证明了其有效性以及在效果上明显的优势。

主权项

1.一种基于期望步数的图像显著程度检测方法，其特征在于，包括以下步骤：步骤1，将宽为W，高为H的输入图像I切分成L个大小为k×k的不重叠的图像块；步骤2，提取每个图像块的颜色，方向熵和纹理特征，构造特征向量；步骤3，将每个图像块视为全连通图和k规则图中的一个结点，对于每个结点，利用步骤2所得到的特征向量计算这个结点与其他所有结点的不相似度，利用结点间的不相似度得到全连通图关联矩阵和k规则图的关联矩阵L表示分割后的图像块总数；根据全连通图的状态转移矩阵P^g计算全连通图的平稳分布进而得到全连通图的基础矩阵Z^g，根据基础矩阵Z^g计算全连通图中从平稳分布出发到达任意节点i的期望步数根据k规则图的状态转移矩阵P^l计算k规则图的平稳分布进而得到k规则图的基础矩阵Z^l，根据基础矩阵Z^l计算k规则图中从平稳分布出发到达任意节点i的期望步数步骤4，利用步骤3所得到的全连通图中从平稳分布出发到达任意节点i的期望步数以及k规则图中从平稳分布出发到达任意节点i的期望步数得到关键结点Nmsal，计算方法如下：Nmsal=max(Eπg(Ti)Eπi(Ti))]]>公式（3）其中i＝1,2,...,L；步骤5，对于步骤3得到的全连通图关联矩阵和k规则图关联矩阵进行融合，得到混合图关联矩阵A^m=αA¹+A^g，α为融合系数，α∈(0.01，0.1)，步骤1得到的每个图像块视为混合图中的一个结点；计算混合图上关键结点Nmsal到达每个结点的期望步数，对期望步数进行归一化处理得到混合图中每个结点的显著值；根据混合图中每个结点的显著值得到输入图像的显著图salMap，所述的显著图salMap是一个J行N列的灰度图，J＝H/k，N＝W/k，显著图salMap上第i行第j列的元素对应原图像I上切分出的图像块p_(i-1)*N+j(i=l，2……J，j=i，....，N)的显著值；步骤6，对于步骤5所得到的显著图salMap通过二维高斯平滑算子进行平滑，得到最终反映图像上各个区域显著程度的结果图像。