基于視覺顯著性的目標檢測和異源圖像輪廓提取方法研究.pdf

1、目標檢測和異源圖像輪廓提取在目標搜索、智能交通和軍事等領域具有廣闊應用前景，本文從人類的視覺選擇性注意機制入手，研究了基于視覺注意機制的目標檢測和異源圖像輪廓提取方法。針對經典Itti模型對不同場景中的顯著目標提取不具有通用性的問題，本文提出用亮度對比度特征取代原有亮度特征，突出了顯著目標與背景區(qū)域的邊緣差異性和魯棒性，更有利于顯著目標的提??；并針對原模型特征的選取不能精準反映目標的顯著性問題，提出一種優(yōu)化的自適應權值調整的顯著圖融合方

2、法,能夠適應不同場景中顯著目標的提取。與經典 Itti模型的對比實驗表明，本文改進模型能更加準確提取出顯著目標。
　　本文針對目前大部分車牌提取方法不能很好地解決復雜背景情況下的車牌提取問題，將改進的模型應用于智能交通系統(tǒng)的車牌區(qū)域檢測中，提出了一種基于視覺顯著性和彩色信息融合的新方法，即在復雜背景中先提取顯著性高的物體，再根據(jù)車牌區(qū)域的彩色信息精確提取出車牌區(qū)域，該種方法對車牌的位置無特殊要求，并可以檢測傾斜車牌區(qū)域，與現(xiàn)有其他

3、的車牌定位方法相比，本文方法的車牌區(qū)域檢測精度提高了13％，特別是能在較復雜背景情況下定位出小區(qū)域車牌，對車牌區(qū)域變形也有一定的魯棒性。另外，為了證明本文方法的適用性，又將改進后的模型應用于海洋上的殘骸和油污漂浮物等目標檢測，實驗結果表明，該方法同樣適用于海上顯著目標的檢測。針對現(xiàn)有異源圖像的輪廓提取研究中閾值分割方法容易形成空洞，以及一般聚類分割方法無法排除背景區(qū)域對分割干擾的問題，根據(jù)圖像顯著圖具有區(qū)域顯著度相似性的特性，提出了一種