[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

权利要求书

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。

2.根据权利要求1所述融合局部和全局稀疏的图像显著性检测方法，其特征在于，步骤1所述将原始图像分割成若干个大小相同、互不重叠的图像块之前，将原始图像的尺寸调整为320*400像素大小，对应分割成的图像块的大小选取为4*4像素。

3.根据权利要求1所述融合局部和全局稀疏的图像显著性检测方法，其特征在于，所述步骤4的具体过程为：对矩阵B，选取第1至第n列、第N-(n-1)至第N列、列编号除以100余数为1的列、列编号整除100的列，构造任意一个图像块对应的稀疏字典，N为所有图像块的数量。

4.根据权利要求1所述融合局部和全局稀疏的图像显著性检测方法，其特征在于，步骤5所述利用OMP算法求解局部稀疏表示的稀疏系数计算公式为：

argmin||α||₀ s.t. B＝Dα

其中，α为局部稀疏表示的稀疏系数集合，B为所有图像块重新整合后得到的矩阵，D为局部稀疏表示时所有图像块对应的稀疏字典的集合，||·||₀表示0范数。

5.根据权利要求1所述融合局部和全局稀疏的图像显著性检测方法，其特征在于，步骤6所述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计算公式为：

其中，e_i为重构误差，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，D为局部稀疏表示时所有图像块对应的稀疏字典的集合，α_i为局部稀疏表示的稀疏系数，||·||₂表示2范数。

6.根据权利要求1所述融合局部和全局稀疏的图像显著性检测方法，其特征在于，步骤8所述自适应融合算法计算公式为：

S(j,k)＝ω_L×S_L(j,k)+ω_G×S_G(j,k)

其中，S(j,k)为融合后得到的显著图的每个像素点，S_L(j,k)、S_G(j,k)分别表示局部初始显著图、全局初始显著图的每个像素点，ω_L、ω_G分别为局部初始显著图、全局初始显著图的权重，且∑_x∈{L,G}ω_x＝1。