圖像對(duì)中兩個(gè)區(qū)域的余 弦相似度的步驟具體為：
[0056]i' = (ir/ 0，ig/ 0，ib/ 0)，其中 0 =max(ir，ig，ib)
[0057] i'為魯棒的色彩模型中的每一個(gè)像素，Uig，ib為像素點(diǎn)的三個(gè)值；
[0058] 兩個(gè)區(qū)域的余弦相似度為：
[0060] 兩個(gè)區(qū)域?qū)?yīng)的直方圖分別為匕和h2。
[0061] 其中，所述構(gòu)建高維積分匹配方法，通過(guò)所述高維積分匹配方法對(duì)最大協(xié)同顯著 區(qū)域進(jìn)行檢測(cè)的步驟具體為：
[0062] 1)二維積分圖的快速構(gòu)造以及矩形區(qū)域值的快速計(jì)算；
[0063] 2)在二維積分圖的基礎(chǔ)上進(jìn)行高維積分表的快速構(gòu)造以及高位矩形區(qū)域值的快 速計(jì)算；
[0064] 3)計(jì)算兩個(gè)高維區(qū)域的相似度，實(shí)現(xiàn)高維區(qū)域的積分匹配，獲取最大的協(xié)同顯著 區(qū)域。
[0065] 實(shí)施例2
[0066] 201 :建立顯著懲罰圖（DistinctPunishmentMap);
[0067] 其中，在顯著懲罰圖土M中正值表示該像素點(diǎn)是顯著的，應(yīng)該得到鼓勵(lì)；而負(fù)值表 示該像素點(diǎn)是非顯著的，應(yīng)該得到懲罰。建立顯著懲罰圖的步驟為：
[0068] 1)生成顯著圖（SaliencyMap);
[0069] 對(duì)于一幅 的圖像I，由Histogram-BasedContrastMethod和Region-Based ContrastMethod分別得到顯著圖HC-Map(基于直方圖的顯著圖）和RC-Map(基于區(qū)域的 顯著圖），為表不方便，分別記為SjPS2，得到SummedSaliencyMap(SSM，合并后的顯著 圖）。
[0070] SSM= ? ! ?SA?2 ?S2={s込』| 1 <i<h" 1 <j<h2} (1)
[0071] 其中，SjPS2為第一步得到的顯著圖，《 ^i為對(duì)應(yīng)于S兩S2的權(quán)重因子，i和j為變量，匕和h2分別表示顯著圖的寬和高，《片《2= 1，si;j為SSM的第i行第j列元 素。
[0072] 2)在顯著圖的基礎(chǔ)上建立顯著懲罰圖土M。
[0073] 在第一步所得到的SSM的基礎(chǔ)上，對(duì)SSM中的元素si;j進(jìn)行如下修改，得到新的元 素
[0074] s，iJ:
[0075]
，其中yG(〇，1] (2)
[0076] 以Vi;j為元素構(gòu)成的顯著圖記為SSM'。
[0077] 然后，計(jì)算懲罰圖土M中元素Pu的值：
[0079]其中，V+、V'均為中間變量，定義如下：
[0082] 例如：對(duì)于任意一個(gè)區(qū)域Pu，它的顯著性為：
[0083] 二2初)￡~P;j其中，Ei;』為中間變量，定義為：Ei;』={(X，y)|i(X，y)GPi;。
[0084] 202 :建立魯棒的色彩模型（RobustColorModel);
[0085] 在標(biāo)準(zhǔn)的（R，G，B)色彩模型中，對(duì)于圖像中的一個(gè)像素點(diǎn)分別有三個(gè)值仁，ig，ib 對(duì)應(yīng)到相應(yīng)的R，G，B三個(gè)通道上，它們的值都在0-255之間。因此，對(duì)任意一個(gè)像素點(diǎn)i= (ir，ig，ib)eI，本發(fā)明定義了一個(gè)新的像素值：
[0086] i' = (ir/ 0，ig/ 0，ib/ 0)，其中 0 =max(ir，ig，ib)
[0087] 魯棒的色彩模型（RobustColorModel)就是在新像素值i'的基礎(chǔ)上構(gòu)建的。原 圖像經(jīng)過(guò)魯棒的色彩模型（RobustColorModel)處理后，就得到一個(gè)新的圖像I'。接著， 將每個(gè)通道的值n等分，比如令n= 6。對(duì)于任意區(qū)域，都能經(jīng)統(tǒng)計(jì)得到對(duì)應(yīng)的直方圖h。通 常使用余弦相似度來(lái)度量?jī)蓚€(gè)區(qū)域的相似度。例如，對(duì)于兩個(gè)區(qū)域qJPq2，對(duì)應(yīng)的直方圖 分別為4和h2，則這兩個(gè)區(qū)域的余弦相似度為：
[0089] 在圖2中，在右側(cè)的第一行的兩幅圖像為標(biāo)準(zhǔn)的（R，G，B)色彩模型下的圖像，左側(cè) 靠上的圖表為標(biāo)準(zhǔn)的（R，G，B)色彩模型下的圖像所對(duì)應(yīng)的直方圖；在右側(cè)的第二行的兩幅 圖像為魯棒的色彩模型（RobustColorModel)下的圖像，左側(cè)靠下的圖表為棒的色彩模 型（RobustColorModel)下的圖像所對(duì)應(yīng)的直方圖；右側(cè)第三行的兩幅圖像為兩幅圖像的 groundtruth〇
[0090] 在左側(cè)兩個(gè)直方圖中，橫坐標(biāo)表示R、G、B通道對(duì)應(yīng)的數(shù)值，縱坐標(biāo)表示落在對(duì)應(yīng) 數(shù)值的頻率。由此可以看出，在標(biāo)準(zhǔn)的（R，G，B)色彩模型下圖像的色彩分布不集中，而光照 是導(dǎo)致這種分布不集中的主要原因；由于魯棒的色彩模型（RobustColorModel)剔除了 光照因素，因此圖像的色彩分布比較集中，同時(shí)，處理后的圖像更接近與groundtruth。 [0091] 在計(jì)算協(xié)同顯著區(qū)域（鴨子）的余弦相似度方面，本發(fā)明所提出的色彩模型計(jì)算 的余弦相似度為〇. 971，而標(biāo)準(zhǔn)的（R，G，B)模型的結(jié)果為0.627,實(shí)驗(yàn)結(jié)果充分說(shuō)明采用魯 棒的色彩模型（RobustColorModel)比標(biāo)準(zhǔn)的（R，G，B)模型更準(zhǔn)確。
[0092] 301 :高維積分匹配方法（HighDimensionalIntegralSearchingMethod)
[0093] 1)二維積分圖的快速構(gòu)造以及矩形區(qū)域值的快速計(jì)算；
[0094] 正如"【背景技術(shù)】"部分介紹構(gòu)造積分圖的方法一樣，積分圖中任意一個(gè)像素點(diǎn) (x，y)的值可以表示為：
[0096] 對(duì)于二維的積分圖來(lái)說(shuō)，定義R(p。，Pi)表示為原圖像中從像素點(diǎn)pQ=(X。，yQ)到 像素點(diǎn)Pl= (Xl，yi)的任意一個(gè)矩形區(qū)域在積分圖中的值，則有：
[0098] 其中i(X，y)表示原圖像中像素點(diǎn)（X，y)的值。
[0099] 在圖3中，H和W分別表示原圖像的長(zhǎng)和寬，點(diǎn)（x，y)表示原圖像中的一個(gè)像素 點(diǎn)，灰色區(qū)域表示為原圖像中從像素點(diǎn)（1，1)到像素點(diǎn)（x，y)的矩形區(qū)域在積分圖中的值 S(x，y)(它的概念還可表述為：積分圖中任意一個(gè)像素點(diǎn)（x，y)的值）。
[0100] 在圖4中，H和W分別表示原圖像的長(zhǎng)和寬，點(diǎn)pQ= (xQ，yQ) (x^yj為原 圖像中兩個(gè)不同的像素點(diǎn)，灰色區(qū)域表示原圖像中從像素點(diǎn)P(l= (Xm%)到像素APl = (Xl，yi)的任意一個(gè)矩形區(qū)域在積分圖中的值，記為R(Pc)，Pi)。
[0101] (5)式還可以繼續(xù)優(yōu)化：
[0103] 其中，S(X，y)、S(X，y0-l)、S(x1;y)、S(x1;y0-l)、S(x0-l，y)、S(x0-l，y0-l)的定義 可類比公式（4)中S(x，y)的定義。在已經(jīng)得到積分圖的前提下，R(P(l，Pl)可以通過(guò)一步加 法和兩步減法得到，時(shí)間復(fù)雜度大大降低。
[0104] 若P〇=P丄=(X，y)，貝lj
[0105] R(p〇, =i(x,y)
[0106] 所以，
[0108] 其中，S(x,y-1)、S(x_l,y)、S(x_l,y-1)的定義也可類比于公式（4)中S(x,y)的 定義。
[0109] 移項(xiàng)后，可得：
[0110] S(x,y) =S(x,y-1)+S(x~l,y)-S(x~l,y-1)+i(x,y) (7)
[0111] 其中，S(l, 1) =i(1, 1)，S(x,y) = 0 當(dāng)x〈l或y〈l。
[0112] 因此，利用（7)式，可以快速地構(gòu)造出二維的積分圖。
[0113] 2)高維積分表的快速構(gòu)造以及高位矩形區(qū)域值的快速計(jì)算；
[0114] 將上面二維積分圖的相關(guān)概念擴(kuò)展到高維積分表，對(duì)于一個(gè)已知的n維表In，假設(shè) 表In中任意元素在P=(Xx2,…，xn)的值為：
[0116] 類比于公式（4)，S(p)類比于S(x，y)，表示高維積分表In中點(diǎn)p的值； i(x'i，x' 2，…，x'n)類比于i(x'，y')，表示原高維圖像中像素點(diǎn)（x'i，x' 2，… ，n)的值。
[0117] 在高維積分表In中，
之間的元素和 為：
[0119] 類比于公式（5)，R^p1)類比于R(pQ，Pl)，表示為原高維圖像中從像素點(diǎn)pQ =
的任意一個(gè)高維區(qū)域在積分表中的值，
[0120] 上式可以繼續(xù)優(yōu)化為：
(9)
[0122] 其中，
的定義類比于公式（8)中 S(Xpx2,…，xn)的定義，
.tf{〇, 1} n, 1 = (1，1，…，l)，pT為高維矩形區(qū) 域的頂點(diǎn)。
[0123] 因此，可用（9)式快速地計(jì)算出高維區(qū)域的值。
[0124] 同理，若p〇=p1=(xx2,…，xn)，貝丨JR(p。，p1) =i(x"x2,…，xn)
[0125] 所以，
[0127] 移項(xiàng)可得，
[0129] 其中，T= {〇,l}n/l= {〇,l}nl(l，1，…，1)，如果pGT，則S(p) = 0。
[0130] 利用（10)式可以快速地構(gòu)造高維積分表。
[0131] 3)高維積分匹配方法。
[0132] 在這一部分，重點(diǎn)介紹如何從兩幅圖像中檢測(cè)出共有的最大