1.一种图像显著区域检测方法,包括:步骤1、对待检测图像进行边缘检测,得到边缘图像;步骤2、计算像素点视觉显著值和空间权重值;其中,每种颜色的视觉显著值由这种颜色在所述边缘图像里的像素点数目除以这种颜色在原始图像里的像素点数目得到,每个像素点的视觉显著值等于它颜色的视觉显著值;其中,每个像素点的空间权重值由它离核心点的距离决定,离核心点越近,其空间权重值越大,离核心点越远,其空间权重值越小;步骤3、根据视觉显著值和空间权重值得到像素点的最终显著值;和步骤4、基于最终显著值,利用均值飘移算法确定显著区域的像素点。
2.根据权利要求1所述图像显著区域检测方法,其中,步骤1的边缘检测进一步包括:步骤11、把待检测图像由RGB颜色图像转化为Lab颜色图像,并在Lab颜色图像上用Canny算法检测边缘;步骤12、把待检测图像转化为灰度图像,并在灰度图像上用Canny算法检测边缘;和步骤13、对上述两次边缘检测结果进行交集运算,得到边缘检测最终结果。
3.根据权利要求2所述图像显著区域检测方法,其中,Canny算法的两个阈值分别设为0.5和0.6。
4.根据权利要求1所述图像显著区域检测方法,其中,步骤2中的计算像素点视觉显著值进一步包括:步骤211、利用边缘点得到边缘图像;步骤212、将边缘图像和待检测图像量化到N种颜色;步骤213、统计每种颜色在边缘图像中的像素点个数和在待检测图像中的像素点个数;和步骤214、每种颜色的视觉显著值为其在边缘图像中的像素点个数和在待检测图像中的像素点个数的比值,每个像素点的视觉显著值等于它所属颜色的视觉显著值。
5.根据权利要求4所述图像显著区域检测方法,其中,步骤212中的N=120;并且,步骤212中的颜色量化在Lab空间进行,L被量化为10个等级,a、b被量化为22个等级,使得颜色空间共有22*22*10=4840种量化颜色,然后统计多幅图像,只保留这4840种颜色中出现得最频繁的120种颜色,所有颜色都被归类到这120种颜色中与其欧式距离最近的颜色。
6.根据权利要求1所述图像显著区域检测方法,其中,步骤2中的计算像素点空间权重值进一步包括:步骤221、建立一个与待检测图像同宽高的矩阵,将边缘点在矩阵中对应位置的元素置为1,其余元素置为0;步骤222、然后将这个矩阵进行多次高斯平滑,每次平滑选用不同大小的高斯核;步骤223、每次平滑后找出矩阵中数值最大的元素,得到一个有序的最大值元素集合,此集合的每个元素与由小到大的平滑高斯核一一对应;步骤224、在最大值元素集合中找到最长相同元素序列,序列元素a在该序列中第一个位置所对应的平滑高斯核为s,a在图像对应位置上的像素点为A;和步骤225、根据a和s,计算待检测图像中所有像素点的空间权重值如下:像素点A的坐标为(xc,yc),任一像素点B(x,y)的空间权重值W(x,y)可以由下列公式给出: W ( x , y ) = 1 2 π s 2 e ( - ( x - x c ) 2 + ( y - y c ) 2 2 s 2 ) . ]]>
7.根据权利要求6所述图像显著区域检测方法,其中,步骤222中的进行多次高斯平滑包括:第一次平滑选用的高斯核大小为图像宽和高中较大的值除以5,以后每次平滑的高斯核大小都是前一次的1.1倍,直到高斯核大小超过图像宽和高中较小的值除以2为止。
8.根据权利要求1所述图像显著区域检测方法,其中,步骤3进一步包括:步骤31、把所有像素的视觉显著值和空间权重值分别归一到单位区间;和步骤32、所有像素最终显著值等于它视觉显著值和空间权重值相乘,得到最终显著值。
9.根据权利要求1所述图像显著区域检测方法,其中,步骤4进一步包括:使用均值飘移算法找出最终显著值的最佳分水岭T,最终显著值大于T的像素点即为显著区域的像素点,最终显著值小于等于的T的像素点即为非显著区域的像素点。
展开