图像显著性检测方法、装置以及电子设备制造方法及图纸

本申请公开了一种图像显著性检测方法，包括：对图像的像素特征块进行分割；检测所述图像的边缘特征；提取所分割的像素特征块中满足预设阈值的像素特征块；基于所提取的像素特征块，确定所述图像的显著性特征；将所述边缘特征与所述显著性特征进行比对，确定所述图像的显著性区域。所述图像显著性检测方法联合图像分割、图像边缘检测以及图像显著性特征检测，从而使图像显著性区域的检测更加精确，提升了图像显著性检测的准确度。

【技术实现步骤摘要】
图像显著性检测方法、装置以及电子设备
本申请涉及图像处理
，具体涉及一种图像显著性检测方法。本申请同时涉及一种图像显著性检测装置，另一种图像显著性检测方法以及装置，两种电子设备，以及两种计算机可读介质。
技术介绍
平面设计(LayoutDesign)中的自动布局要求把画面当中的元素按照一定的规律和阅读习惯进行排列，从而得到符合审美要求的画面效果，而显著性检测(SaliencyDetection)正是这其中至关重要的一环，显著性检测是计算机模拟人类视觉系统理解图像场景的一种方式，而人眼观察图像时总是会不自觉地将注意力集中在最感兴趣的一部分区域上，显著性检测的任务就是找出图像中更容易成为人类视觉注意焦点的区域。图像显著性检测作为一个备受关注的课题，在自动目标定位与分割、图像信息检索和图像压缩等领域都有着广泛应用，得益于检测结果能够将计算资源集中在最有价值的信息上面。图像的显著性可采用显著性图(SaliencyMap)来表示，显著性图中像素灰度值表示图像对应区域的显著性程度，其亮度越大则意味着显著性越高。目前图像显著性检测的主流方法是基于图像底层特征(颜色、边缘或纹理等)的自下向上的本文档来自技高网...

【技术保护点】
1.一种图像显著性检测方法，其特征在于，包括：对图像的像素特征块进行分割；检测所述图像的边缘特征；提取所分割的像素特征块中满足预设阈值的像素特征块；基于所提取的像素特征块，确定所述图像的显著性特征；将所述边缘特征与所述显著性特征进行比对，确定所述图像的显著性区域。

【技术特征摘要】
1.一种图像显著性检测方法，其特征在于，包括：对图像的像素特征块进行分割；检测所述图像的边缘特征；提取所分割的像素特征块中满足预设阈值的像素特征块；基于所提取的像素特征块，确定所述图像的显著性特征；将所述边缘特征与所述显著性特征进行比对，确定所述图像的显著性区域。2.根据权利要求1所述的图像显著性检测方法，其特征在于，所述基于所提取的像素特征块，确定所述图像的显著性特征，采用如下方式实现：针对所述图像的至少一个像素点，执行如下操作：计算所述像素点的显著性特征值；归一化所述像素点的显著性特征值；对归一化后所述显著性特征值进行二值化分割，根据分割结果确定所述图像的显著性像素点和非显著性像素点。3.根据权利要求2所述的图像显著性检测方法，其特征在于，所述基于所提取的像素特征块，确定所述图像的显著性特征，采用如下方式实现：计算所述图像的像素点的显著性特征值；对所述像素点的显著性特征值进行二值化分割，根据分割结果确定所述图像的显著性像素点和非显著性像素点。4.根据权利要求2或3所述的图像显著性检测方法，其特征在于，所述提取的像素特征块内的像素点的显著性特征值为所述显著性特征值的下限值。5.根据权利要求4所述的图像显著性检测方法，其特征在于，所述图像边界像素点的显著性特征值的初始值为所述显著性特征值的下限值。6.根据权利要求5所述的图像显著性检测方法，其特征在于，除所述图像边界像素点之外，其余像素点的显著性特征值的初始值为所述显著性特征值的上限值。7.根据权利要6所述的图像显著性检测方法，其特征在于，所述像素点的显著性特征值，基于所述像素点的显著性特征值的初始值，通过迭代计算更新所述像素点的显著性特征值，并根据迭代计算结果确定所述像素点的显著性特征值；其中，若所述迭代计算的次数为奇数，则根据所述像素点左侧相邻像素点和上侧相邻像素的显著性特征值更新所述像素点的显著性特征值；若所述迭代计算的次数为偶数，则根据所述像素点右侧相邻像素点和下侧相邻像素的显著性特征值更新所述像素点的显著性特征值。8.根据权利要求7所述的图像显著性检测方法，其特征在于，所述像素点的显著性特征值迭代计算过程中采用光栅扫描的方式扫描所述像素点，并按照所述光栅扫描方式扫描所述像素点的顺序，依次对所述像素点的显著性特征值进行迭代计算。9.根据权利要求8所述的图像显著性检测方法，其特征在于，若所述迭代计算的次数为奇数，采用所述光栅扫描的方式对所述像素点进行扫描时，按照正序扫描的方式依次从所述图像左上角第一个像素点依次扫描至右下角最后一个像素点；若所述迭代计算的次数为偶数，采用所述光栅扫描的方式对所述像素点进行扫描时，按照倒序扫描的方式依次从所述图像右下角最后一个像素点依次扫描至左上角第一个像素点。10.根据权利要求2所述的图像显著性检测方法，其特征在于，所述归一化所述像素点的显著性特征值，采用如下方式实现：将所述像素点的显著性特征值归一化至所述像素点的灰度值。11.根据权利要求10所述的图像显著性检测方法，其特征在于，所述对归一化后所述显著性特征值进行二值化分割，采用如下方式实现：判断归一化后所述像素点的灰度值是否大于灰度阈值，若是，所述像素点为所述图像的显著性像素点；若否，所述像素点为所述图像的非显著性像素点。12.根据权利要求1所述的图像显著性检测方法，其特征在于，所述对图像的像素特征块进行分割，采用如下方式实现：采用Mean-shift图像分割算法对所述图像的像素特征块进行分割。13.根据权利要求1所述的图像显著性检测方法，其特征在于，所述检测所述图像的边缘特征，采用如下方式实现：采用Canny边缘检测算子检测所述图像的边缘特征，获得所述图像的像素点的边缘特征的灰度值。14.根据权利要求1所述的图像显著性检测方法，其特征在于，所述提取所分割的像素特征块中满足预设阈值的像素特征块，采用如下方式实现：计算所分割的像素特征块内的像素点数目，若所述像素特征块内的像素点数目超出像素点数目阈值，则提取所述像素特征块。15.根据权利要...

【专利技术属性】
技术研发人员：胡康康，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY