[发明专利]一种基于深度学习的显著区域提取方法及系统

权利要求书

1.一种基于深度学习的显著区域提取方法，包括训练步骤和测试步骤，其特征在于，所述训练步骤包括以下子步骤：

步骤01：进行超像素分割；对训练集的每幅图像采用超像素分割算法进行分割预处理，得到训练集图像的超像素集合其中，M为集合R¹中超像素的个数，i表示处理的是第i块超像素区域；

步骤02：进行超像素集合的筛选；对所述训练集图像的超像素集合R¹中的每一个超像素区域和其邻域进行对比度判断，筛选出满足对比度判别阈值要求的超像素区域，获得满足要求的超像素集合其中，N为集合R²中超像素的个数；超像素区域对比度判别函数如下：

其中，表示集合R¹中的当前超像素区域，表示的邻域，j表示第j块超像素区域；和表示区域和的RGB颜色直方图；和表示区域和的HSV颜色直方图；H_Lab(r_i¹)和H_Lab(r_j¹)表示区域r_i¹和r_j¹的Lab颜色直方图；d()表示颜色距离；是归一化参数，

步骤03：生成训练区域块；对筛选后的所述超像素集合R²中的每一个超像素区域提取三种区域：当前超像素区域的外接矩形框区域s_a、外接矩形框区域s_a的邻近区域ss_a和图像中去除外接矩形框区域s_a的剩余区域sss_a,1≤a≤N；得到训练区域块集合R³＝{s₁,ss₁,sss₁,s₂,ss₂,sss₂,…,s_a,ss_a,sss_a,…,s_N,ss_N,ss_N}；

步骤04：提取所述训练区域块的特征；

步骤05：标注所述训练区域块；

步骤06：训练卷积神经网络。

2.如权利要求1所述的基于深度学习的显著区域提取方法，其特征在于，所述步骤04包括把所述训练区域块集合R³输入到深度网络，提取CNN特征。

3.如权利要求2所述的基于深度学习的显著区域提取方法，其特征在于，将所述当前超像素区域的外接矩形框区域s_a的特征f_a1、所述邻近区域ss_a的特征f_a2和所述图像中去除外接矩形框区域s_a的剩余区域sss_a的特征f_a3连接后得到总特征为F_a。

4.如权利要求3所述的基于深度学习的显著区域提取方法，其特征在于，所述步骤05包括判断当前超像素区域中至少x％的像素在基准二值标注中为显著时，所述区域块被标注为显著，否则标注为不显著。

5.如权利要求4所述的基于深度学习的显著区域提取方法，其特征在于，得到训练区域块的集合R³及其相应的显著标签集合L＝{l₁，l₂，…，l_b，…，l_N}。

6.如权利要求5所述的基于深度学习的显著区域提取方法，其特征在于，所述步骤06为通过随机下降的方法对所述卷积神经网络进行训练。