基于小波域的圖像顯著性檢測(cè)算法研究.pdf

1、圖像顯著性檢測(cè)具有很長(zhǎng)的研究歷史，但因其是模仿人類的視覺(jué)注意機(jī)制，所以一直以來(lái)是一個(gè)具有挑戰(zhàn)性的研究領(lǐng)域。圖像顯著性檢測(cè)就是將圖像中的重要內(nèi)容檢測(cè)出來(lái)，為后續(xù)的圖像應(yīng)用提供方便。目前圖像顯著性檢測(cè)面臨一系列的問(wèn)題，比如：檢測(cè)結(jié)果精確度不高、檢測(cè)算法復(fù)雜等。與傅里葉變換相比，小波變換是空間和頻率的局部變換，因而能有效地從圖像中提取信息以達(dá)到圖像顯著性檢測(cè)的目的。
　　本文主要進(jìn)行了如下工作：
　　(1)對(duì)頻率調(diào)諧算法(FT)進(jìn)

2、行分析，提出了基于對(duì)比敏感度函數(shù)(CSF)的小波域顯著性檢測(cè)算法?？紤]人眼的各種特性，將CSF用于圖像的顯著性檢測(cè)中，提高圖像的對(duì)比度，利用小波分解得到不同頻率信息，使用加權(quán)的歐式距離計(jì)算顯著性值，最后利用拋物線進(jìn)一步提高顯著圖的對(duì)比度。
　　(2)通過(guò)對(duì)基于底層和中層線索的貝葉斯顯著性檢測(cè)算法(BS)的分析，提出了貝葉斯框架下小波域顯著性檢測(cè)算法。首先進(jìn)行興趣點(diǎn)檢測(cè)，并利用凸包得到圖像的粗略顯著區(qū)域，利用顏色直方圖計(jì)算像素點(diǎn)的觀

3、測(cè)似然概率，然后利用小波分析，結(jié)合局部和全局特征得到先驗(yàn)圖，利用先驗(yàn)圖得到先驗(yàn)概率，最后利用貝葉斯理論計(jì)算像素點(diǎn)的后驗(yàn)概率得到顯著值。
　　(3)將以上兩種顯著性檢測(cè)方法應(yīng)用于圖像分割和基于內(nèi)容感知的圖像縮放，分割結(jié)果更加準(zhǔn)確，圖像縮放的結(jié)果圖基本保持了原圖像的形狀。本文算法在Achanta數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。通過(guò) ROC曲線、分割準(zhǔn)確率、分割完全率、時(shí)間的綜合比較，本文提出的兩種檢測(cè)算法可以提高顯著區(qū)域的檢測(cè)準(zhǔn)確性。在圖像分割上更