1.基于Itti模型和胶囊神经网络的图像显著性检测方法，其特征是，具体包括如下步骤：

步骤1、对每幅样本原始图像采用颜色拮抗机制抽取颜色特征，分别得到红绿拮抗颜色边缘图、蓝黄拮抗颜色边缘图和黑白拮抗颜色边缘图；

步骤2、对每幅样本原始图像的红绿拮抗颜色边缘图、蓝黄拮抗颜色边缘图和黑白拮抗颜色边缘图进行PCA降维处理，并将降维后的图像整合成一幅整合边缘图，并对该整合边缘图进行归一化后获得第一整合权重图；

步骤3、将每幅样本原始图像送入到Itti视觉显著性模型中，得到颜色关注图、密度关注图和方向关注图；

步骤4、对每幅样本原始图像的红绿拮抗颜色边缘图、蓝黄拮抗颜色边缘图、黑白拮抗颜色边缘图、颜色关注图、密度关注图和方向关注图进行PCA降维处理，并将降维后的图像整合成一幅整合边缘关注图，并对该整合边缘关注图进行归一化后获得第二整合权重图；

步骤5、将每幅样本原始图像的红绿拮抗颜色边缘图、蓝黄拮抗颜色边缘图、黑白拮抗颜色边缘图、颜色关注图、密度关注图和方向关注图分别与第一整合权重图进行对应像素点的灰度值相乘，并将相乘后所得图像中各个对应像素点的灰度平均值作为第一显著图对应像素点的灰度值，由此得到第一显著图；

步骤6、将每幅样本原始图像的红绿拮抗颜色边缘图、蓝黄拮抗颜色边缘图、黑白拮抗颜色边缘图、颜色关注图、密度关注图和方向关注图分别与第二整合权重图W2进行对应像素点的灰度值相乘，并将相乘后所得图像中各个对应像素点的最大灰度值作为第二显著图对应像素点的灰度值，由此得到第二显著图；

步骤7、对于步骤5所得到的第一显著图与步骤6所得到的第二显著图进行对应像素点，将两像素点灰度值的平方相加后再取根号所得到的灰度值作为综合显著图对应像素点的灰度值，由此得到综合显著图；

步骤8、采用上述步骤1‑7的方法对所有样本原始图像进行处理，得到每幅样本原始图像的综合显著图，将所有样本原始图像及其对应的综合显著图送入到胶囊神经网络进行训练，得到训练好的胶囊神经网络；

步骤9、将当前待检测的原始图像送入到步骤8所训练好的胶囊神经网络中，训练好的胶囊神经网络输出当前待检测的原始图像的综合显著图，由此完成当前待检测图像的显著性检测。

2.根据权利要求1所述基于Itti模型和胶囊神经网络的图像显著性检测方法，其特征是，还进一步包括如下步骤：

步骤10、针对当前待检测的原始图像的综合显著图，采用精确度返回率、F值和/或绝对平均误差来评价显著性检测性能。

3.根据权利要求1所述基于Itti模型和胶囊神经网络的图像显著性检测方法，其特征是，对于每幅样本原始图像，红绿拮抗颜色边缘图、蓝黄拮抗颜色边缘图和黑白拮抗颜色边缘图的数量相同，颜色关注图、密度关注图和方向关注图的数量相同。

4.根据权利要求3所述基于Itti模型和胶囊神经网络的图像显著性检测方法，其特征是，对于每幅样本原始图像，红绿拮抗颜色边缘图、蓝黄拮抗颜色边缘图和黑白拮抗颜色边缘图的数量均为64幅，颜色关注图、密度关注图和方向关注图的数量均为1幅。