1.一种立体图像视觉显著提取方法，其特征在于包括以下步骤：

①对于任意一幅测试立体图像Stest，将Stest的左视点图像记为{LRGB(x,y)}，将Stest的左视差图像记为{D(x,y)}；其中，1≤x≤W，1≤y≤H，W表示Stest的宽度，H表示Stest的高度，LRGB(x,y)表示{LRGB(x,y)}中坐标位置为(x,y)的像素点的像素值，D(x,y)表示{D(x,y)}中坐标位置为(x,y)的像素点的像素值；

②将{LRGB(x,y)}从RGB颜色空间转换到Lab颜色空间，并将数据类型转换到实数类型，得到Lab颜色空间的左视点图像，记为{LLab(x,y)}；然后将{LLab(x,y)}的L通道图像记为{LLab,L(x,y)}，将{LLab(x,y)}的a通道图像记为{LLab,a(x,y)}，将{LLab(x,y)}的b通道图像记为{LLab,b(x,y)}；再将{LLab,L(x,y)}、{LLab,a(x,y)}和{LLab,b(x,y)}均缩放到200×200像素尺寸，将{LLab,L(x,y)}、{LLab,a(x,y)}和{LLab,b(x,y)}缩放后得到的图像对应记为{L200,L(x1,y1)}、{L200,a(x1,y1)}和{L200,b(x1,y1)}；其中，LLab(x,y)表示{LLab(x,y)}中坐标位置为(x,y)的像素点的像素值，LLab,L(x,y)表示{LLab,L(x,y)}中坐标位置为(x,y)的像素点的像素值，LLab,a(x,y)表示{LLab,a(x,y)}中坐标位置为(x,y)的像素点的像素值，LLab,b(x,y)表示{LLab,b(x,y)}中坐标位置为(x,y)的像素点的像素值，1≤x1≤200，1≤y1≤200，L200,L(x1,y1)表示{L200,L(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，L200,a(x1,y1)表示{L200,a(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，L200,b(x1,y1)表示{L200,b(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值；

对{D(x,y)}进行归一化处理，将归一化处理后得到的图像记为{D0,1(x,y)}；然后将{D0,1(x,y)}缩放到200×200像素尺寸，将缩放后得到的图像记为{D200(x1,y1)}；其中，D0,1(x,y)∈[0,1]，D0,1(x,y)表示{D0,1(x,y)}中坐标位置为(x,y)的像素点的像素值，D200(x1,y1)表示{D200(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值；

③对{D200(x1,y1)}进行梯度提取，得到{D200(x1,y1)}的梯度幅值图，记为{G200,D(x1,y1)}；同样，对{L200,L(x1,y1)}进行梯度提取，得到{L200,L(x1,y1)}的梯度幅值图，记为{G200,L(x1,y1)}；对{L200,a(x1,y1)}进行梯度提取，得到{L200,a(x1,y1)}的梯度幅值图，记为{G200,a(x1,y1)}；对{L200,b(x1,y1)}进行梯度提取，得到{L200,b(x1,y1)}的梯度幅值图，记为{G200,b(x1,y1)}；其中，G200,D(x1,y1)表示{G200,D(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200,L(x1,y1)表示{G200,L(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200,a(x1,y1)表示{G200,a(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200,b(x1,y1)表示{G200,b(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值；

④对{G200,D(x1,y1)}中的每个像素点的像素值进行对数计算，将对数计算后得到的图像记为{GQ200,D(x1,y1)}，将{GQ200,D(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为GQ200,D(x1,y1)，GQ200,D(x1,y1)＝log10(1+2000×G200,D(x1,y1))；同样，对{G200,L(x1,y1)}中的每个像素点的像素值进行对数计算，将对数计算后得到的图像记为{GQ200,L(x1,y1)}，将{GQ200,L(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为GQ200,L(x1,y1)，GQ200,L(x1,y1)＝log10(1+

100×G200,L(x1,y1))；对{G200,a(x1,y1)}中的每个像素点的像素值进行对数计算，将对数计算后得到的图像记为{GQ200,a(x1,y1)}，将{GQ200,a(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为GQ200,a(x1,y1)，GQ200,a(x1,y1)＝log10(1+100×G200,a(x1,y1))；对{G200,b(x1,y1)}中的每个像素点的像素值进行对数计算，将对数计算后得到的图像记为{GQ200,b(x1,y1)}，将{GQ200,b(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为GQ200,b(x1,y1)，GQ200,b(x1,y1)＝log10(1+100×G200,b(x1,y1))；

⑤利用200×200像素尺寸的中心偏好图{Csaliency200(x1,y1)}对{GQ200,D(x1,y1)}进行中心四周加强，将中心四周加强后得到的图像记为{GQ200CS,D(x1,y1)}，将{GQ200CS,D(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为DQ200CS,D(x1,y1)，GQ200CS,D(x1,y1)＝GQ200,D(x1,y1)×Csaliency200(x1,y1)×0.5；同样，利用200×200像素尺寸的中心偏好图{Csaliency200(x1,y1)}对{GQ200,L(x1,y1)}进行中心四周加强，将中心四周加强后得到的图像记为{GQ200CS,L(x1,y1)}，将{GQ200CS,L(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为GQ200CS,L(x1,y1)，GQ200CS,L(x1,y1)＝GQ200,L(x1,y1)×Csaliency200(x1,y1)；利用200×200像素尺寸的中心偏好图{Csaliency200(x1,y1)}对{GQ200,a(x1,y1)}进行中心四周加强，将中心四周加强后得到的图像记为{GQ200CS,a(x1,y1)}，将{GQ200CS,a(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为GQ200CS,a(x1,y1)，GQ200CS,a(x1,y1)＝GQ200,a(x1,y1)×Csaliency200(x1,y1)；利用200×200像素尺寸的中心偏好图{Csaliency200(x1,y1)}对{GQ200,b(x1,y1)}进行中心四周加强，将中心四周加强后得到的图像记为{GQ200CS,b(x1,y1)}，将{GQ200CS,b(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为GQ200CS,b(x1,y1)，GQ200CS,b(x1,y1)＝GQ200,b(x1,y1)×Csaliency200(x1,y1)；其中，Csaliency200(x1,y1)表示{Csaliency200(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值；

⑥将{GQ200CS,D(x1,y1)}的矩阵表示形式、{GQ200CS,L(x1,y1)}的矩阵表示形式、{GQ200CS,a(x1,y1)}的矩阵表示形式、{GQ200CS,b(x1,y1)}的矩阵表示形式组成四元数矩阵，记为{QI200(x1,y1)}，将{QI200(x1,y1)}中坐标为(x1,y1)的元素的四元数值记为QI200(x1,y1)，QI200(x1,y1)＝GQ200CS,D(x1,y1)+i×GQ200CS,L(x1,y1)+j×GQ200CS,a(x1,y1)+k×GQ200CS,b(x1,y1)；然后对{QI200(x1,y1)}实施四元数傅里叶变换，得到{QI200(x1,y1)}的频域矩阵，记为{Qf200(u1,v1)}；

其中，i、j、k均为虚数单位，GQ200CS,D(x1,y1)为QI200(x1,y1)的实部，GQ200CS,L(x1,y1)为QI200(x1,y1)的i虚部，GQ200CS,a(x1,y1)为QI200(x1,y1)的j虚部，GQ200CS,b(x1,y1)为QI200(x1,y1)的k虚部，1≤u1≤200，1≤v1≤200，Qf200(u1,v1)表示{Qf200(u1,v1)}中坐标为(u1,v1)的元素的四元数值；

⑦利用200×200像素尺寸的频域滤波模板图{LG200(u1,v1)}对{Qf200(u1,v1)}进行Log-Gabor低通滤波，得到{Qf200(u1,v1)}对应的低通特征图，记为{Qlog-Gabor200(u1,v1)}；然后对{Qlog-Gabor200(u1,v1)}的矩阵表示形式实施四元数傅里叶反变换，将四元数傅里叶反变换后得到的四元数矩阵记为{Qo200(x1,y1)}，将{Qo200(x1,y1)}中坐标为(x1,y1)的元素的四元数值记为Qo200(x1,y1)，Qo200(x1,y1)＝u200(x1,y1)+i×u200i(x1,y1)+j×u200j(x1,y1)+k×u200k(x1,y1)；其中，LG200(u1,v1)表示{LG200(u1,v1)}中坐标位置为(u1,v1)的像素点的像素值，Qlog-Gabor200(u1,v1)表示{Qlog-Gabor200(u1,v1)}中坐标位置为(u1,v1)的像素点的像素值，u200(x1,y1)表示{Qo200(x1,y1)}的实数矩阵{u200(x1,y1)}中坐标为(x1,y1)的元素的值，u200i(x1,y1)表示{Qo200(x1,y1)}的虚数i矩阵{u200i(x1,y1)}中坐标为(x1,y1)的元素的值，u200j(x1,y1)表示{Qo200(x1,y1)}的虚数j矩阵{u200j(x1,y1)}中坐标为(x1,y1)的元素的值，u200k(x1,y1)表示{Qo200(x1,y1)}的虚数k矩阵{u200k(x1,y1)}中坐标为(x1,y1)的元素的值；

⑧根据{u200(x1,y1)}，{u200i(x1,y1)}，{u200j(x1,y1)}和{u200k(x1,y1)}，获取Stest的初步视觉显著图，记为{SQFT-LG200(x1,y1)}，将{SQFT-LG200(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值记为SQFT-LG200(x1,y1)，SQFT-LG200(x1,y1)＝0.3×u200(x1,y1)+u200i(x1,y1)+u200j(x1,y1)+u200k(x1,y1)；然后对{SQFT-LG200(x1,y1)}进行归一化处理，将归一化处理后得到的图像记为{SQFT-F(x1,y1)}；再将{SQFT-F(x1,y1)}缩放到W×H像素尺寸，将缩放后得到的图像作为Stest的最终视觉显著图，记为{SF(x,y)}；其中，SQFT-F(x1,y1)表示{SQFT-F(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，SF(x,y)表示{SF(x,y)}中坐标位置为(x,y)的像素点的像素值。

2.根据权利要求1所述的一种立体图像视觉显著提取方法，其特征在于所述的步骤②中， 其

中，min()为取最小值函数，max()为取最大值函数。

3.根据权利要求1所述的一种立体图像视觉显著提取方法，其特征在于所述的步骤③中，G200,D(x1,y1)＝abs(G200x,D(x1,y1)+G200y,D(x1,y1))，G200,L(x1,y1)＝abs(G200x,L(x1,y1)+G200y,L(x1,y1))，G200,a(x1,y1)＝abs(G200x,a(x1,y1)+G200y,a(x1,y1))，G200,b(x1,y1)＝abs(G200x,b(x1,y1)+G200y,b(x1,y1))；其中，abs()表示取绝对值函数，G200x,D(x1,y1)表示对{D200(x1,y1)}的水平方向进行梯度提取得到的水平方向梯度图{G200x,D(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200y,D(x1,y1)表示对{D200(x1,y1)}的垂直方向进行梯度提取得到的垂直方向梯度图{G200y,D(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200x,L(x1,y1)表示对{L200,L(x1,y1)}的水平方向进行梯度提取得到的水平方向梯度图{G200x,L(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200y,L(x1,y1)表示对{L200,L(x1,y1)}的垂直方向进行梯度提取得到的垂直方向梯度图{G200y,L(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200x,a(x1,y1)表示对{L200,a(x1,y1)}的水平方向进行梯度提取得到的水平方向梯度图{G200x,a(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200y,a(x1,y1)表示对{L200,a(x1,y1)}的垂直方向进行梯度提取得到的垂直方向梯度图{G200y,a(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200x,b(x1,y1)表示对{L200,b(x1,y1)}的水平方向进行梯度提取得到的水平方向梯度图{G200x,b(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值，G200y,b(x1,y1)表示对{L200,b(x1,y1)}的垂直方向进行梯度提取得到的垂直方向梯度图{G200y,b(x1,y1)}中坐标位置为(x1,y1)的像素点的像素值。

4.根据权利要求1所述的一种立体图像视觉显著提取方法，其特征在于所述的步骤⑤中， 其中，e为自然基数，x0表示{Csaliency200(x1,y1)}的

中心像素点的横坐标，y0表示{Csaliency200(x1,y1)}的中心像素点的纵坐标，δD表示中心偏好参数。

5.根据权利要求1所述的一种立体图像视觉显著提取方法，其特征在于所述的步骤⑦中，{LG200(u1,v1)}利用Log-Gabor频域滤波器生成，生成{LG200(u1,v1)}的过程中所需的4个输入参数的取值分别为：带宽控制参数σF的取值为0.3，滤波模板图宽度控制参数u0的取值为100，滤波模板图高度控制参数v0的取值为100，滤波器中心频率控制参数ω0的取值为

0.1667；所述的步骤⑦中，Qlog-Gabor200(u1,v1)＝LG200(u1,v1)×Qf200(u1,v1)。

6.根据权利要求1所述的一种立体图像视觉显著提取方法，其特征在于所述的步骤⑧中， 其中，max()表示取最大

值函数。