技术摘要：
一种基于视觉显著性的文物显著区域提取方法，属于民族文化保护方法领域。这种基于视觉显著性的文物显著区域提取方法，针对文物图像背景复杂、前景背景差异较小等问题，在用户上传文物图像后可自动提取其显著正方形区域，用于首页或索引页的展示图象，解决了当前国内数  全部
背景技术：
随着社会的发展和人们生活水平的提高，人们将更多的注意力从物质生活需求转 移到精神生活需求方面。数字化博物馆由此映入人们眼帘，其既能满足人们精神需求又能 弘扬中华民族传统文化。但这时发现了一个问题，很多文物的图像往往并不是正方形，但数 字博物馆首页甚至索引页展示的图像均为正方形，有的数字博物馆选择截取图片的固定位 置，这样虽然有的文物可以截取到合适的位置，但可能导致某些文物只截取到背景。还有的 数组博物馆选择直接将图片压缩至正方形，这些小问题看似并不起眼，但会严重的影响图 片的展示效果，不利于中华民族传统文化的传播。 传统显著性提取算法在应用于文物图像这种背景复杂、前景背景差异较小的情况 时，容易出现瑕疵，将显著区域与背景混淆。因此针对文物图像背景复杂、前景背景差异较 小等问题，有必要提供一种针对文物显著区域的提取方法，用户上传文物图像后可自动提 取其显著正方形区域，用于首页或索引页的展示图象，以解决当前国内数字博物馆中文物 图片展示不准确或不清楚的问题。
技术实现要素：
为解决上述问题，本申请提出一种基于视觉显著性的文物显著区域提取方法，用 户上传文物图像后可自动提取其显著正方形区域，用于首页或索引页的展示图象。 本发明采用的技术方案是：一种基于视觉显著性的文物显著区域提取方法，包括 以下步骤： 步骤1、使用超像素分割方法对上传的文物图像进行预处理得到超像素图像。 步骤2、使用LC显著性算法提取所述超像素图像中的显著性图像，得到显著性图像 的粗略显著矩阵ms。 步骤3、使用语义分割模型对上传的文物图像处理，得到文物图像的标签矩阵m1。 步骤4、根据视觉显著性为所述标签矩阵m1分配权重得到权重矩阵mw，将权重矩阵 mw和粗略显著矩阵ms融合得到双重优化的显著矩阵mo。 步骤5、使用OSTU算法获取所述的显著矩阵mo的最佳阈值，提取包含显著点最多的 正方形区域，保存为显著性正方形图像。 步骤6、将步骤5得到的显著性正方形图像的地址和文物图像信息一起保存到数据 库中。 所述超像素分割方法是通过简单线性迭代聚类SLIC算法把具有相似特性的像素 聚合为超像素，作为图像处理时的基本单位。 所述LC算法将聚合后的超像素作为图像处理时的基本单位，计算超像素图像中所 3 CN 111583290 A 说　明　书 2/3 页 有超像素的显著值，获得粗略显著矩阵ms，通过下式计算超像素k的显著值： 其中，SalS(Ik)为超像素图像中超像素k的显著值，Ik为超像素k在rgb颜色空间内的颜 色，Ii为超像素i在rgb颜色空间内的颜色。 所述语义分割模型使用Deeplabv3 模型对文物图像进行识别，得到具有清晰边界 的标签矩阵ml，为标签矩阵ml制订多级权重得到权重矩阵mw，将所述权重矩阵mw和粗略显著 矩阵ms相乘得到显著矩阵mo。 所述OSTU算法根据阈值二值化分割得到显著图，选取包含显著区域最多的正方形图 像，其中，正方形图像的边长为文物图像最小边的长度。 本发明的有益效果是：这种基于视觉显著性的文物显著区域提取方法，针对文物 图像背景复杂、前景背景差异较小等问题，在用户上传文物图像后可自动提取其显著正方 形区域，用于首页或索引页的展示图象，解决了当前国内数字博物馆中文物图片展示不准 确不清晰等问题，有利于对民族文化保护与传承。该提取方法通过超像素显著性检测与语 义分割模型结合，能够很大程度的减少运算过程中时间复杂度，同时在边界信息不丰富的 区域可以保持形状特性，在边界丰富的区域能较为准确地表达边界信息。 附图说明 图1是实施例中文物图像的原图。 图2是实施例中文物图像的超像素图。 图3是实施例中文物图像的粗略显著矩阵图。 图4是实施例中文物图像的权重矩阵对比图。 图5是实施例中文物图像的显著矩阵图。 图6是实施例中文物图像的显著性正方形图像。