1.一种基于区域的图像显著图提取方法，其特征在于包括以下步骤：

①将待处理的源图像记为{Ii(x,y)}，其中，i＝1,2,3，1≤x≤W，1≤y≤H，W表示{Ii(x,y)}的宽，H表示{Ii(x,y)}的高，Ii(x,y)表示{Ii(x,y)}中坐标位置为(x,y)的像素点的第i个分量的颜色值，第1个分量为R分量、第2个分量为G分量和第3个分量为B分量；

②首先获取{Ii(x,y)}的量化图像及量化图像的全局颜色直方图，然后根据{Ii(x,y)}的量化图像，获取{Ii(x,y)}中的每个像素点的颜色种类，再根据{Ii(x,y)}的量化图像的全局颜色直方图和{Ii(x,y)}中的每个像素点的颜色种类，获取{Ii(x,y)}的基于全局颜色直方图的图像显著图，记为{HS(x,y)}，其中，HS(x,y)表示{HS(x,y)}中坐标位置为(x,y)的像素点的像素值，亦表示{Ii(x,y)}中坐标位置为(x,y)的像素点的基于全局颜色直方图的显著值；

所述的步骤②的具体过程为：

②-1、对{Ii(x,y)}中的每个像素点的各个分量的颜色值分别进行量化，得到{Ii(x,y)}的量化图像，记为{Pi(x,y)}，将{Pi(x,y)}中坐标位置为(x,y)的像素点的第i个分量的颜色值记为Pi(x,y)， 其中，符号 为向下取整符号；

②-2、计算{Pi(x,y)}的全局颜色直方图，记为{H(k)|0≤k≤4095}，其中，H(k)表示{Pi(x,y)}中属于第k种颜色的所有像素点的个数；

②-3、根据{Pi(x,y)}中的每个像素点的各个分量的颜色值，计算{Ii(x,y)}中对应像素点的颜色种类，将{Ii(x,y)}中坐标位置为(x,y)的像素点的颜色种类记为kxy，kxy＝P3(x,y)×256+P2(x,y)×16+P1(x,y)，其中，P3(x,y)表示{Pi(x,y)}中坐标位置为(x,y)的像素点的第3个分量的颜色值，P2(x,y)表示{Pi(x,y)}中坐标位置为(x,y)的像素点的第2个分量的颜色值，P1(x,y)表示{Pi(x,y)}中坐标位置为(x,y)的像素点的第1个分量的颜色值；

②-4、计算{Ii(x,y)}中的每个像素点的基于全局颜色直方图的显著值，将{Ii(x,y)}中坐标位置为(x,y)的像素点的基于全局颜色直方图的显著值记为HS(x,y)，其中，D(kxy,k)表示{H(k)|0≤k≤4095}中的第kxy种颜色与第k种颜色之间的欧氏距离，pk,2＝mod(k/16)， 表示{H(k)|0≤k≤4095}中的第kxy种颜色对应的第

1个分量的颜色值， 表示{H(k)|0≤k≤4095}中的第kxy种颜色对应的第2个分量的颜色值， 表示{H(k)|0≤k≤4095}中的第kxy种颜色对应的第3个分量的颜色值，pk,1表示{H(k)|0≤k≤4095}中的第k种颜色对应的第1个分量的颜色值，pk,2表示{H(k)|0≤k≤4095}中的第k种颜色对应的第2个分量的颜色值，pk,3表示{H(k)|0≤k≤4095}中的第k种颜色对应的第3个分量的颜色值，mod()为取余数操作函数；

②-5、根据{Ii(x,y)}中的每个像素点的基于全局颜色直方图的显著值，得到{Ii(x,y)}的基于全局颜色直方图的图像显著图，记为{HS(x,y)}；

③采用超像素分割技术将{Ii(x,y)}分割成M个互不重叠的区域，然后将{Ii(x,y)}重新表示为M个区域的集合，记为{SPh}，再计算{SPh}中的各个区域之间的相似性，将{SPh}中的第p个区域与第q个区域之间的相似性记为Sim(SPp,SPq)，其中，M≥1，SPh表示{SPh}中的第h个区域，1≤h≤M，1≤p≤M，1≤q≤M，p≠q，SPp表示{SPh}中的第p个区域，SPq表示{SPh}中的第q个区域；

④根据{SPh}中的各个区域之间的相似性，获取{Ii(x,y)}的基于区域颜色对比度的图像显著图，记为{NGC(x,y)}，其中，NGC(x,y)表示{NGC(x,y)}中坐标位置为(x,y)的像素点的像素值；

⑤根据{SPh}中的各个区域之间的相似性，获取{Ii(x,y)}的基于区域空间稀疏性的图像显著图，记为{NSS(x,y)}，其中，NSS(x,y)表示{NSS(x,y)}中坐标位置为(x,y)的像素点的像素值；

⑥对{Ii(x,y)}的基于全局颜色直方图的图像显著图{HS(x,y)}、{Ii(x,y)}的基于区域颜色对比度的图像显著图{NGC(x,y)}及{Ii(x,y)}的基于区域空间稀疏性的图像显著图{NSS(x,y)}进行融合，得到{Ii(x,y)}的最终的图像显著图，记为{Sal(x,y)}，将{Sal(x,y)}中坐标位置为(x,y)的像素点的像素值记为Sal(x,y)，Sal(x,y)＝HS(x,y)×NGC(x,y)×NSS(x,y)。

2.根据权利要求1所述的一种基于区域的图像显著图提取方法，其特征在于所述的步骤③中{SPh}中的第p个区域与第q个区域之间的相似性Sim(SPp,SPq)的获取过程为：③-1、对{SPh}中的每个区域中的每个像素点的各个分量的颜色值分别进行量化，得到{SPh}中的每个区域的量化区域，将{SPh}中的第h个区域的量化区域记为{Ph,i(xh,yh)}，将{Ph,i(xh,yh)}中坐标位置为(xh,yh)的像素点的第i个分量的颜色值记为Ph,i(xh,yh)，假设{Ph,i(xh,yh)}中坐标位置为(xh,yh)的像素点在{Ii(x,y)}中的坐标位置为(x,y)，则其中，1≤xh≤Wh,1≤yh≤Hh，Wh表示{SPh}中的第h个区域的宽度，Hh表示{SPh}中的第h个区域的高度，符号 为向下取整符号；

③-2、计算{SPh}中的每个区域的量化区域的颜色直方图，将{Ph,i(xh,yh)}的颜色直方图记为 其中， 表示{Ph,i(xh,yh)}中属于第k种颜色的所有像素点的个数；

③-3、对{SPh}中的每个区域的量化区域的颜色直方图进行归一化操作，得到对应的归一化后的颜色直方图，将对 进行归一化操作后得到的归一化后的颜色直方图记为 其中， 表示{SPh}中的

第h个区域的量化区域{Ph,i(xh,yh)}中属于第k种颜色的像素点的出现概率， 表示{SPh}中的第h'个区域的量化区域{Ph',i(xh',yh')}中属于第k种颜色的所有像素点的个数，1≤xh'≤Wh',1≤yh'≤Hh'，Wh'表示{SPh}中的第h'个区域的宽度，Hh'表示{SPh}中的第h'个区域的高度，Ph',i(xh',yh')表示{Ph',i(xh',yh')}中坐标位置为(xh',yh')的像素点的第i个分量的颜色值；

③-4、计算{SPh}中的第p个区域与第q个区域之间的相似性，记为Sim(SPp,SPq)，Sim(SPp,SPq)＝Simc(SPp,SPq)×Simd(SPp,SPq)，Simc(SPp,SPq)表示{SPh}中的第p个区域与{SPh}中的第q区域之间的颜色相似性， Simd(SPp,SPq)表示{SPh}中的第p个区域与{SPh}中的第q区域之间的空间相似性，其中，SPp表示{SPh}中的第p个区域，SPq表示{SPh}中的第q个区域， 表示{SPh}中的第p个区域的量化区域{Pp,i(xp,yp)}中属于第k种颜色的像素点的出现概率， 表示{SPh}中的第q个区域的量化区域{Pq,i(xq,yq)}中属于第k种颜色的像素点的出现概率，1≤xp≤Wp,1≤yp≤Hp，Wp表示{SPh}中的第p个区域的宽度，Hp表示{SPh}中的第p个区域的高度，Pp,i(xp,yp)表示{Pp,i(xp,yp)}中坐标位置为(xp,yp)的像素点的第i个分量的颜色值，1≤xq≤Wq,1≤yq≤Hq，Wq表示{SPh}中的第q个区域的宽度，Hq表示{SPh}中的第q个区域的高度，Pq,i(xq,yq)表示{Pq,i(xq,yq)}中坐标位置为(xq,yq)的像素点的第i个分量的颜色值，min()为取最小值函数， 表示{SPh}中的第p个区域中的中心像素点的坐标位置， 表示{SPh}中的第q个区域中的中心像素点的坐标位置，符号“|| ||”为求欧式距离符号。

3.根据权利要求2所述的一种基于区域的图像显著图提取方法，其特征在于所述的步骤④的具体过程为：

④-1、计算{SPh}中的每个区域的颜色对比度，将{SPh}中的第h个区域的颜色对比度记为

其中，SPh表示{SPh}中的第h个区域，SPq表示{SPh}中的第q个区域， 表示{SPh}中的第h个区域中包含的像素点的总个数，Simd(SPh,SPq)表示{SPh}中的第h个区域与{SPh}中的第q区域之间的空间相似性， 表示{SPh}中的第h个区域中的中心像素点的坐标位置， 表示{SPh}中的第q个区域中的中心像素点的坐标位置，符号“|| ||”为求欧式距离符号， 表示{SPh}中的第h个区域的颜色均值向量， 表示{SPh}中的第q个区域的颜色均值向量；

④-2、对{SPh}中的每个区域的颜色对比度进行归一化操作，得到对应的归一化后的颜色对比度，将对{SPh}中的第h个区域的颜色对比度 进行归一化操作后得到的归一化后的颜色对比度记为 其中，NGCmin表示{SPh}中的M个区域中最小的颜色对比度，NGCmax表示{SPh}中的M个区域中最大的颜色对比度；

④-3、计算{SPh}中的每个区域的基于颜色对比度的显著值，将{SPh}中的第h个区域的基于颜色对比度的显著值记为 其中，Sim(SPh,SPq)表示{SPh}中的第h个区域与第q个区域之间的相似性；

④-4、将{SPh}中的每个区域的基于颜色对比度的显著值作为对应区域中的所有像素点的显著值，从而得到{Ii(x,y)}的基于区域颜色对比度的图像显著图，记为{NGC(x,y)}，其中，NGC(x,y)表示{NGC(x,y)}中坐标位置为(x,y)的像素点的像素值。

4.根据权利要求3所述的一种基于区域的图像显著图提取方法，其特征在于所述的步骤⑤的具体过程为：

⑤-1、计算{SPh}中的每个区域的空间稀疏性，将{SPh}中的第h个区域的空间稀疏性记为 其中，Sim(SPh,SPq)表示{SPh}中的第h个区域与第q个区域之间的相似性， 表示{SPh}中的第h个区域中的中心像素点与{Ii(x,y)}的中心像素点之间的欧氏距离；

⑤-2、对{SPh}中的每个区域的空间稀疏性进行归一化操作，得到对应的归一化后的空间稀疏性，将对{SPh}中的第h个区域的空间稀疏性 进行归一化操作后得到的归一化后的空间稀疏性记为 其中，NSSmin表示{SPh}中的M个区域中最小的空间稀疏性，NSSmax表示{SPh}中的M个区域中最大的空间稀疏性；

⑤-3、计算{SPh}中的每个区域的基于空间稀疏性的显著值，将{SPh}中的第h个区域的基于空间稀疏性的显著值记为⑤-4、将{SPh}中的每个区域的基于空间稀疏性的显著值作为对应区域中的所有像素点的显著值，从而得到{Ii(x,y)}的基于区域空间稀疏性的图像显著图，记为{NSS(x,y)}，其中，NSS(x,y)表示{NSS(x,y)}中坐标位置为(x,y)的像素点的像素值。