[发明专利]一种根据信息熵得到图像显著性特征的方法

摘要

本发明涉及一种根据信息熵得到图像显著性特征的方法，技术特征在于：同时考虑了RGB和Lab两个颜色空间，分别在6个颜色通道中计算图像的最大邻域整体特征、剩余谱特征及稀疏性特征，运用信息熵找出每种方法的最优颜色通道，接着运用信息熵组合得到的最优显著性特征，最后，考虑像素距离图像中心分布特征，得到最终显著性特征分布图。

主权项

1.一种根据信息熵得到图像显著性特征的方法，其特征在步骤如下：步骤1：将n×n的输入图像转化为RGB颜色空间和Lab颜色空间，得到6个颜色通道R,G,B,L,a,b；步骤2：计算每一个颜色通道中任一点(x,y)的最大矩形邻域：U={(x,y)|max(1,x-min(x,n-x))≤x≤min(x+min(x,n-x)),n),max(1,x-min(x,n-x))≤x≤min(x+min(x,n-x)),n)};]]>步骤3：计算最大矩形邻域的像素均值meanU_i，其中：i为颜色通道，i＝{R,G,B,L,a,b}；步骤4：计算6个颜色通道的全局显著性特征Smap_i1(x,y)＝(f_i(x,y)-meanU_i)，其中：f_i(x,y)是颜色通道i在(x,y)处像素值，Smap_1i(x,y)是颜色通道i的显著性特征值；步骤5：计算6个颜色通道的谱残余R(f)＝L(f)-h_n(f)L(f)，其中：对数相位谱L(f)＝log(A(f))，A(f)是幅度频谱，步骤6：计算6个颜色通道的谱残余显著性特征：Smap_i2(x,y)＝g(x,y)F^-1(exp(R(f_i))+jP(f_i))，其中：g(x,y)是高斯滤波，P(f)是相位频谱，F^-1是傅里叶反变换，j是虚数单位；步骤7：计算6个颜色通道的稀疏性显著性特征其中：p_i(f_i(x,y))表示颜色通道i中像素值为f_i(x,y)的出现的频率；步骤8：计算图像的信息熵为其中：g_k是一个高斯低通滤波器；步骤9：计算全局显著性特征、谱残余显著性特征、稀疏性显著性特征分别在RGB颜色空间和Lab颜色空间的最优显著性特征，RGB颜色空间：OptimalSmap_1s＝{Smap|H(Smap)＝min(H(Smap_ts)),Lab颜色空间：OptimalSmap_2s＝{Smap|H(Smap)＝min(H(Smap_ts)),其中：OptimalSmap_1s,OptimalSmap_2s分别表示第t种方法在RGB颜色空间和Lab颜色空间中得到的最优显著性特征；t＝{L,a,b},s＝1,2,3}；步骤10：计算最优显著性特征的信息熵：H_ls＝H(OptimalSmap_ls),l＝1,2;步骤11：计算RGB颜色空间的综合显著性特征：计算Lab颜色空间的综合显著性特征步骤12：将Smap1和Smap2归一化并组合，得显著性特征Smap=Smap1H(Smap1)+Smap2H(Smap2);]]>步骤13：对步骤12的显著性特征，运用高斯低通滤波得到最终图像显著性特征。