买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利一种图像视觉显著性的提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119323680B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411380905.6，技术领域涉及：G06V10/46；该发明授权一种图像视觉显著性的提取方法是由马楠;刘志杰;梁晔设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种图像视觉显著性的提取方法在说明书摘要公布了：本发明提供一种图像视觉显著性的提取方法，包括获取图像，还包括对获取的图像进行超像素分割，得到超像素集合；以关联矩阵对所构建的超图进行表示；将图像输入通过深度学习网络进行特征提取；计算超像素的特征；计算超像素的显著值；计算超边的显著值；更新超边关联的超像素的显著值；根据所有超像素中像素点的位置坐标，恢复出整幅图像每个像素点的显著值；将特征空间重要性在图像物理空间进行映射，得到图像最终的显著图。本发明对超像素进行了再聚类，通过超图对超像素及聚类结果进行关联表示，在网络结构的两个全连接层的后面具有两个分支，一个分支能够获得特征通道的重要性，对特征进行加权；另一个分支能够获得特征空间的重要性。

本发明授权一种图像视觉显著性的提取方法在权利要求书中公布了：1.一种图像视觉显著性的提取方法，包括获取图像，其特征在于，还包括以下步骤： 步骤1：对所述图像进行超像素分割，得到超像素集合{an}，N，N是超像素的数量，对超像素集合{an}进行聚类，将同一类的超像素通过一条超边连接起来，建立超图； 步骤2：以关联矩阵对所构建的超图进行表示，其中，N表示超像素的个数，M表示超边的数量； 步骤3：将图像输入通过深度学习网络进行特征提取，所述深度学习网络具有双分支结构，𝐹表示原始特征图，其形状为，其中Q是批量大小，是通道数，和分别是特征图的高度和宽度； 所述深度学习网络的第一分支将特征图的每个通道进行全局平均池化，得到特征维度为通道数的特征向量，计算公式为： ， 其中，⊙是点乘符号，g2和g1分别为两个全连接层的权重，是sigmoid函数，G是全局平均池化函数，是加权后的特征图； 所述深度学习网络的第二分支对第二个全连接层所有特征通道进行全局平均池化，计算方法为： ， 将和进行融合，得到最后的特征图； ， 其中，h为特征融合函数； 步骤4：计算超像素的特征； 步骤5：计算超像素的显著值； 步骤6：计算超边的显著值； 步骤7：更新超边关联的超像素的显著值； 步骤8：根据所有超像素中像素点的位置坐标，恢复出整幅图像每个像素点的显著值，将对应的显著图表示为X； 步骤9：将特征空间重要性在图像物理空间进行映射，得到图像最终的显著图，所述最终的显著图的公式为 ， 其中，f1×1为卷积核为1x1的卷积操作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。