1.一种显著图融合方法，包括以下步骤：步骤1：准备训练集；

步骤2：在所述训练集中寻找测试图像X的近邻，通过近邻图像的显著图对所述测试图像X的显著图进行拟合，得到最终的显著图，包括以下子步骤：步骤21：计算所述测试图像X和训练集图像的256维颜色直方图的卡方距离；

步骤22：检索后得到的K最近邻 每个近邻图像Xk对应的标准二值标注为αk，代表了近邻图像的M种方法检测的结果，1≤k≤K；

步骤23：计算向量β；

步骤24：计算得到最终的显著图 使用所述测试图像X及其对应的M个显著图 融合得到的显著图计算方法如下：其中， 表示M个预测的显著图构成的矩阵， 表示显著图代表融合的系数， 代表融合得到的显著图结果。

2.如权利要求1所述的显著图融合方法，其特征在于：所述训练集包括训练图像集D、对应的基准二值标注集G、M种提取方法和所述M种提取方法的显著图提取结果A。

3.如权利要求2所述的显著图融合方法，其特征在于：所述步骤23为根据目标函数计算所述向量β。

4.如权利要求3所述的显著图融合方法，其特征在于：所述目标函数公式如下：其中第一项是融合结果和基准二值标注的重构误差，第二项是正则项。

5.如权利要求4所述的显著图融合方法，其特征在于：所述向量β随着尺度参数λ的变化而变化。

6.如权利要求5所述的显著图融合方法，其特征在于：所述向量β的闭式解公式如下：其中，Pk和Bk是只和K最近邻图像相关的矩阵，I代表单位矩阵。

7.如权利要求6所述的显著图融合方法，其特征在于：所述矩阵Pk和Bk在训练中得到。

8.一种显著图融合系统，包括以下模块：训练集和图像拟合模块，

所述图像拟合模块用于在所述训练集中寻找测试图像X的近邻，通过近邻图像的显著图对所述测试图像X的显著图进行拟合，得到最终的显著图，所述图像拟合模块的工作方法包括以下子步骤：步骤21：计算所述测试图像X和训练集图像的256维颜色直方图的卡方距离；

步骤22：检索后得到的K最近邻 每个近邻图像Xk对应的标准二值标注为αk，代表了近邻图像的M种方法检测的结果，1≤k≤K；

步骤23：计算向量β；

步骤24：计算得到最终的显著图 使用所述测试图像X及其对应的M个显著图 融合得到的显著图计算方法如下：其中， 表示M个预测的显著图构成的矩阵， 表示显著图β＝{β1，β2，...，βM}代表融合的系数， 代表融合得到的显著图结果。