[发明专利]一种图像显著性区域的检测方法和装置

说明书

本发明提供一种图像显著性区域的检测方法和装置，通过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区域检测算法；利用该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检测，获得所述测试图像的显著性区域，由于利用该测试图像的图像特征向量，获取检测效果最好的显著性检测算法对该测试图像进行显著性区域检测，提高了显著性区域检测的准确度。

技术领域

本发明实施例涉及图像处理技术，尤其涉及一种图像显著性区域的检测方法和装置。

背景技术

图像的显著性是图像的重要视觉特征，体现了人眼对图像某些区域的重视程度。在图像处理过程中，常需要利用显著性检测算法对图像进行检测，以获得该图像的显著性区域，其主要应用于手机拍照软件、目标检测软件和图像压缩软件中。

现有技术中存在基于低层视觉特征的显著性检测算法，对图像进行显著性区域检测，从而获得该图像的显著性区域的方式，该算法是一种模拟生物体视觉注意机制的选择性注意算法；同时，现有技术中还存在不基于任何生物视觉原理的纯数学计算方法，对图像进行显著性区域检测，从而获得该图像的显著性区域的方式。但上述两种方式均存在显著性区域检测的准确度不高情况，因此，如何提高图像显著性区域检测的准确度是目前亟待解决的技术问题。

发明内容

本发明实施例提供一种图像显著性区域的检测方法和装置，用于提高显著性区域检测的准确度。

第一方面是提供一种图像显著性区域的检测方法，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。

在第一方面的第一种可能的实现方式中，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。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，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。

结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，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。

结合第一方面的第二种可能的实现方式，在第四种可能的实现方式中，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。