[发明专利]一种面向社群图像的显著图融合方法

权利要求书

1.一种面向社群图像的显著图融合方法，包括输入训练图像，其特征在于，包括以下步骤：

步骤1：对于训练集中的训练图像，应用M种提取方法，提取所述训练图像的显著图；

步骤2：根据所述训练图像对应的标准二值标注计算M种提取方法对应的M个AUC值；

步骤3：按照步骤1和步骤2的计算方法，获得每幅图像的提取方法的排序表，排序表的构成为方法的序号及其这种方法检测显著图的AUC值，生成排序表集合；

步骤4：在训练集中对测试图像I进行基于标签语义的近邻搜索和基于图像外观的近邻搜索，得到语义近邻集合和外观近邻集合；

步骤5：将步骤4中的结果进行合并，得到训练集中与测试图像I相似的近邻图像集合；

步骤6：结合步骤3中得到的所述排序表集合和步骤5中得到的所述近邻图像集合，由所述排序表集合中近邻图像对应的每种方法的AUC值计算测试图像I的M种提取方法对应的权重向量，利用所述权重向量融合测试图像I的M个显著图。

2.如权利要求1所述的面向社群图像的显著图融合方法，其特征在于：所述M种提取方法的提取结果为S＝{S₁，S₂，S₃，…，S_j，…，S_M}，S_j表示第j种方法提取的显著图。

3.如权利要求2所述的面向社群图像的显著图融合方法，其特征在于：所述步骤2为设定所述训练图像对应的基准二值标注为G，所述S和所述G进行比较，得到M种所述提取方法的AUC值。

4.如权利要求3所述的面向社群图像的显著图融合方法，其特征在于：对所述提取方法的AUC值进行排序，得到排序表集合。

5.如权利要求1所述的面向社群图像的显著图融合方法，其特征在于：所述步骤4为设定测试图像I，近邻的图像个数设为k。

6.如权利要求5所述的面向社群图像的显著图融合方法，其特征在于：所述基于标签语义的近邻搜索是指在标签匹配的时候进行精确的匹配，匹配的个数为y。

7.如权利要求6所述的面向社群图像的显著图融合方法，其特征在于：设定x为最终的近邻数，x≤k。

8.如权利要求6所述的面向社群图像的显著图融合方法，其特征在于：当y>＝k时，则在y个图像中根据外观特征的相似度进行排序，选取k最近邻作为最终的标签语义最近邻集合，则x＝k。

9.如权利要求8所述的面向社群图像的显著图融合方法，其特征在于：当y<k时，则x＝y，标签近邻集合为其中，T说明Img^T集合是标签检索得到的近邻。

10.如权利要求9所述的面向社群图像的显著图融合方法，其特征在于：所述基于图像外观的近邻搜索是指在图像外观的近邻搜索中外观特征采用RGB颜色特征空间的256维统计直方图特征并采用χ²距离进行计算。

11.如权利要求10所述的面向社群图像的显著图融合方法，其特征在于：选取k最近邻作为外观特征的最近邻集合，其中，A说明Img^A集合是外观检索得到的近邻。

12.如权利要求11所述的面向社群图像的显著图融合方法，其特征在于：所述步骤5为将所述标签近邻集合和所述最近邻集合进行合并，得到Img＝{Img₁，Img₂,…,Img_x,…,Img_x+k}。