基于马尔科夫模型的显著性检测方法

摘要

本发明公开了一种基于马尔科夫模型的显著性检测方法。首先运用多尺度对比，周围直方图和颜色空间分布这三种不同的显著度计算得到显著特征图。然后通过马尔科夫模型学计算各个显著特征图的权重，采用最大似然估计方法获取模型参数估计最优解。最后利用马尔科夫模型检测测试图像。本发明提供的方法能够更加精确地检测显著目标，检测得到的结果分辨率高，目标边界定义精准，方法计算复杂度低。

主权项

一种基于马尔科夫模型的显著性检测方法，其特征在于，包括如下步骤：步骤10：采集图像数据；步骤20，对步骤10得到的图像用三种不同的方法进行显著性特征提取，得到与三种不同的显著性特征函数对应的显著性特征图；步骤30：采用马尔科夫模型的机器学习法对步骤10中采集的图像进行训练，并获得步骤20中得到的每个显著性特征图的最优权重；步骤40：对步骤20得到的三种不同的显著性特征函数用分配函数Z进行归一化处理，得到的三个归一化显著性特征函数；步骤50：建立马尔科夫模型，对步骤40得到的三个归一化显著性特征函数用马尔科夫模型进行组合；步骤60：用最大似然准则对步骤50获得的组合求得最优解，得到最优化的线性组合；步骤70：将步骤60计算得到的显著性像素用一个最小的矩形框框出，其中最小的矩形框至少框出95％以上的显著性像素，得到最终的结果。