[发明专利]一种图像显著性区域的检测方法和装置

权利要求书

1.一种图像显著性区域的检测方法，其特征在于，包括：

利用预先训练获得的分类器，根据测试图像的图像特征向量，对所述测试图像进行分类处理，获得分类标签，所述分类标签用于指示对所述测试图像进行显著性区域检测的显著性检测算法；

利用所述分类标签指示的显著性检测算法，对所述测试图像进行显著性区域检测，获得所述测试图像的显著性区域；

所述分类器为反向传播BP神经网络；

所述BP神经网络，包括输入层、中间层和输出层；所述输入层与所述中间层之间的传递函数为双正切S型函数；所述中间层与所述输出层之间的传递函数为对数S型函数；

所述利用预先训练获得的分类器，根据测试图像的图像特征向量，对所述测试图像进行分类处理，获得分类标签，包括：

利用预先训练获得的所述BP神经网络，根据通过所述BP神经网络的输入层输入的所述测试图像的图像特征向量，通过所述BP神经网络的输入层与所述BP神经网络的中间层之间的双正切S型函数和所述BP神经网络的中间层与所述BP神经网络的输出层之间的对数S型函数，对所述测试图像进行分类处理，从所述BP神经网络的输出层获得所述分类标签。

2.根据权利要求1所述的图像显著性区域的检测方法，其特征在于，所述利用预先训练获得的分类器，根据测试图像的图像特征向量，对所述测试图像进行分类处理，获得分类标签之前，还包括：

采用至少两种特征提取算法，提取所述测试图像的至少两个图像特征向量。

3.根据权利要求2所述的图像显著性区域的检测方法，其特征在于，

所述至少两个图像特征向量是如下图像特征向量中的至少两个：稀疏加权熵、导数图像颜色数、所述测试图像的一维频谱图相对于训练集图像的一维频谱图偏移的均值和方差、中频比以及HSV空间的色度H分量、饱和度S分量、亮度V分量的一阶矩和所述H分量、S分量、V分量的二阶矩。

4.根据权利要求3所述的图像显著性区域的检测方法，其特征在于，所述测试图像的图像特征向量包括所述稀疏加权熵；

所述采用特征提取算法，提取所述测试图像的至少两个图像特征向量，包括：

在RGB颜色空间内，对所述测试图像进行下采样滤波；

对下采样滤波后测试图像进行计算，获得下采样滤波后测试图像的颜色直方图向量，所述颜色直方图向量包括n个元素，n为下采样滤波后测试图像的RGB颜色空间所包含的第一颜色数，n为自然数；

计算稀疏加权系数其中，x_i为所述颜色直方图向量中的第i个元素，q为预设值，取q≥2；

计算所述稀疏加权熵其中，e^H(x)用于指示所述颜色直方图向量的熵，p(x_i)为归一化后的所述测试图像的颜色直方图向量中的第i个元素，b取值为2、10或e。

5.根据权利要求3所述的图像显著性区域的检测方法，其特征在于，所述测试图像的图像特征向量包括所述导数图像颜色数；

所述采用特征提取算法，提取所述测试图像的至少两个图像特征向量，包括：

确定所述测试图像的导数图像；

在RGB颜色空间内，对所述导数图像进行下采样滤波；

统计下采样滤波后导数图像的RGB颜色空间所包含的第二颜色数；

将所述第二颜色数作为所述导数图像颜色数。

6.根据权利要求3所述的图像显著性区域的检测方法，其特征在于，所述测试图像的图像特征向量包括所述测试图像的一维频谱图相对于训练集图像的一维频谱图偏移的均值和方差；

所述采用特征提取算法，提取所述测试图像的至少两个图像特征向量，包括：

确定所述测试图像的一维频谱图；

将所述测试图像的一维频谱图与所述训练集图像的一维频谱图进行比较，获得所述测试图像的一维频谱图相对于所述训练集图像的一维频谱图偏移的均值和方差；所述训练集图像的一维频谱图中各频率点上的频率值是对各训练图像的一维频谱图中所述频率点上的频率值进行平均获得的；所述训练图像用于对所述分类器进行训练。