1.一种基于k‑means与水平集超像素分割的图像显著性检测方法，其特征在于，包括以下步骤：步骤1：输入一张彩色RGB图像IRGB，包括R、G、B三个通道；

步骤2：使用CV水平集演化模型将步骤1输入的彩色图像IRGB分割为多个具有相似特征的超像素区域rm，并定位图像的前景区域rforeground和背景区域rbackground；

步骤3：将面积大于整体图像30％的大块超像素区域rm通过k‑means方法进行再分割，分割为3个小的超像素区域；

步骤4：将彩色图像IRGB进行颜色量化，将图像颜色的数量减少到少于256种，生成新的图像步骤5：将新的图像 从RGB色彩空间转换到Lab色彩空间，生成新的图像 对比所有超像素区域中任两个超像素区域在Lab空间的颜色距离和空间距离，生成原始显著图Soriginal步骤6：通过计算新的图像 与背景区域在Lab色彩空间的距离生成原始背景显著图然后将原始背景显著图 与原始显著图Soriginal加权融合后生成背景先验显著图Sbackground；

步骤7：将图像IRGB在2尺度空间和4尺度空间重复步骤2至步骤6，生成多尺度背景先验显著图 和 通过融合原尺度背景先验显著图Sbackground、多尺度背景先验显著图 和 生成最后的显著图Sfinal。

2.根据权利要求1所述的一种基于k‑means与水平集超像素分割的图像显著性检测方法，其特征在于，所述步骤2中使用CV水平集演化模型将彩色图像IRGB分割为多个超像素区域的方法为：(a)将彩色图像IRGB转换为灰度图像IGray，将灰度图IGray中每个像素的灰度值作为IGray数组中的值；

(b)初始化水平集IPhi，让水平集数组里的每一个元素的值为2，水平集IPhi是和灰度图像IGray有着相同形状的数组；

(c)更新水平集IPhi，迭代m次，m>2；更新的过程为：

其中，sum表示求和、 表示更新的水平集, 表示更新前的水平集，row和col分别是灰度图像IGray的高和宽；IDirac是狄克拉函数；IHeaviside是海式函数；ICurv是图像曲率，通过Sobel算子计算；IDirac、IHeaviside和ICurv均是与灰度图像IGray有相同形状的数组，IDirac和IHeaviside的计算公式分别如下：(d)水平集IPhi迭代m次后，生成最终的水平集 通过自适应阈值，将水平集 二值化得到Imask，通过轮廓定位，将灰度图像的轮廓寻找出来，即二值化图像Imask的灰度值0和

255的边界为轮廓，每一个轮廓代表了一个超像素区域rm。

3.根据权利要求1所述的一种基于k‑means与水平集超像素分割的图像显著性检测方法，其特征在于，所述步骤2中定位前景区域和背景区域的方法为：将超像素区域内的区域的合集定义为前景区域rforeground，超像素区域外的区域定义为背景区域rbackground。

4.根据权利要求1所述的一种基于k‑means与水平集超像素分割的图像显著性检测方法，其特征在于，所述步骤3对大块超像素区域进行再分割，按如下步骤进行：a)将区域面积大于图像30％的大块超像素区域单独提取出来；

b)k‑mean的聚类数设置为3个，随机选择该大块超像素区域中的三个像素点作为初始聚类中心，然后分别计算大块超像素区域内其他像素点与三个中心像素点的空间距离，选与其空间距离最小的中心像素点归于一类；

c)然后在三个聚类好的聚类体中再随机选择三个中心像素点，重复步骤b)直到聚类不再发生变化，三个聚类就成为三个新的超像素区域。

5.根据权利要求1所述的一种基于k‑means与水平集超像素分割的图像显著性检测方法，其特征在于，所述步骤4对彩色图像IRGB进行颜色量化，按如下步骤进行：(a)将彩色图像IRGB三个通道R、G、B分离开来，通过R*144+G*12+B*1这个公式，将颜色的最大数量256*256*256减小到12*12*12；

(b)为进一步减少颜色数量到256种，统计每一种颜色的数量，个数较少的几种颜色会被与它颜色最相近的颜色替代，直到颜色的总个数少于256种，则生成了一个新的彩色图片

6.根据权利要求1所述的一种基于k‑means与水平集超像素分割的图像显著性检测方法，其特征在于，所述步骤5进行区域对比生成原始显著图，按如下步骤进行：(a)首先将新的图像 从RGB色彩空间转换到Lab色彩空间，生成一个形状和 一样的三通道数组(b)某一超像素区域的显著值计算过程为， 其中Ds

(rk,rm)是区域rk和区域之rm间的空间距离，w(rm)指颜色距离权值，即rm区域内像素点的个数，区域 指空间距离权值， 值越大，表示空间距离对显著值的影响越大；

是区域r1和区域r2的Lab颜色距离；

其中f(ck,i)为第i个颜色ck,i在第k个区域rk的多有nk种颜色种出现的概率，k＝{1,2}；

(c)对每一个超像素区域都执行(b)步骤，最后归一化显著值S(rk)获取原始显著图Soriginal；

其中，k、m均表示超像素区域，i表示颜色种类。

7.根据权利要求1所述的一种基于k‑means与水平集超像素分割的图像显著性检测方法，其特征在于，所述步骤6中生成原始背景显著图，然后与原始显著图融合生成背景先验显著图的方法为：(a)计算背景区域的平均 值，通过计算图像 内每一个点离平均值的距离求取原始背景显著图

(b)融合Soriginal和 的得到背景先验显著图

8.根据权利要求1所述的一种基于k‑means与水平集超像素分割的图像显著性检测方法，其特征在于，所述步骤7中生成最后的显著图Sfinal，按如下步骤进行：(a)先获取原始图像IRGB在1/2和1/4尺度下的图像

(b)两幅尺度图分别执行步骤2到6的过程，获取两张背景先验显著图 和(c)融合三个尺度空间的显著图生成最后的显著图