[发明专利]一种基于吸附模型的图像显著性检测方法

摘要

本发明公开了一种基于吸附模型的图像显著性检测方法，包括下述步骤：首先来确定候选的显著性区域和背景区域，并通过形状滤波和边界滤除来优化候选的显著性区域和背景区域候选显著性区域计算；然后通过基于漏电的积分放电模型的胜者得全网络来确定视觉场景中的关注焦点；使用基于关注焦点和背景区域的吸附过程来判断候选的显著性区域是否是显著的；最后通过度量显著性区域和背景区域的颜色差异和空间距离来度量显著性区域中每个像素点的显著性值，并通过显著性传播和高斯滤波优化显著性图。本发明选用ASD数据集进行测试，能够保证显著图结果符合要求，在其它各类自然图像上也均能得到准确度高的显著图结果。

主权项

1.一种基于吸附模型的图像显著性检测方法，其特征在于，包括如下步骤：S1、候选显著性区域计算；使用模糊C均值聚类算法FCM分别对CIELab和CIEHSV颜色空间上的L,a,b,H,S颜色通道进行聚类，然后计算各个颜色通道上各个聚类的聚集度；根据聚集度的值，将各个聚类分为候选的显著性区域所在的聚类和背景区域所在的聚类；S2、确定关注焦点；计算候选的显著性区域中各区域的聚集度，颜色差异度，关注度以及中心偏移度，利用聚集度，颜色差异度，关注度以及中心偏移度来度量区域的显著性，然后根据各个候选的显著性区域的显著性构建一幅显著性图，将此显著性图作为基于漏电的积分放电模型的胜者得全网络的输入，多次运用胜者得全网络，得到多个获胜点；对获胜点所在的候选显著性区域进行投票来确定人眼的关注焦点；S3、显著性区域吸附过程；对于候选的显著性区域中的每一个区域，计算背景区域和关注焦点分别对其的吸附力，通过判断两者对其吸附力的大小来确定区域是否是显著性的；如果视觉场景中有多个关注焦点，则进行多次吸附过程，最后将多次的吸附结果合并起来；S4、显著性度量；通过背景区域和显著性区域之间的特征差异来度量每一个像素点显著性，并通过显著性传播和高斯滤波来进一步优化，得到最终的显著性图。