圖像顯著性區(qū)域提取技術研究.pdf

1、視覺是人類感知世界和認識世界的最主要方式。人類視野中獲取到信息往往非常豐富，這些信息給予視覺系統(tǒng)多樣化的刺激，通過神經(jīng)系統(tǒng)的支配，它們相互影響、融合，形成了人的視力。人們能夠快速的從復雜的場景中精確定位到自己感興趣的區(qū)域或目標，并在腦海中對其形成整體映像，計算機對這一過程的仿真稱為視覺顯著性分析。簡單來講，顯著性分析就是對場景中對象吸引視覺注意力能力的描述。
　　作為計算機中最主要的視覺載體，數(shù)字圖像中存在著大量的冗余信息，其最重

2、要的內容往往只集中在一些小的關鍵區(qū)域，這些區(qū)域最能吸引人的注意，也最能表征圖像內容，被稱為顯著性區(qū)域或感興趣區(qū)域。高效的對這些區(qū)域進行檢測、提取并表示，具有重要的應用價值。近年來，以圖像顯著性區(qū)域檢測為基礎的視覺計算模型蓬勃發(fā)展，逐漸成為一個熱門的研究方向。
　　本文主要介紹圖像顯著性區(qū)域提取的相關技術理論，所做的具體工作包括:
　　1.提出了一種基于全局對比的顯著性區(qū)域檢測方法。利用自適應大小的圖像分塊技術分割圖像，以顏色

3、、分塊相似性和空間位置關系作為基本特征，計算多分辨率下圖像中各像素的顯著程度。通過插值算法對各分辨率下圖像的顯著性進行融合，得到規(guī)一化的顯著圖，最后以閾值法提取顯著性區(qū)域。由于算法在計算顯著性時已經(jīng)對圖像進行了合并，所以在顯著圖生成后不需進一步分割。相比現(xiàn)有的各種基于對比的算法，該算法簡單快速，計算復雜度低。同時，實驗結果表明，本文算法提取效果相比CA算法和RC算法有所提高，更加符合人類的視覺注意機制，更好地匹配了眼動數(shù)據(jù)參考模板。

4、r>　　2.提出了一種基于多尺度濾波的頻域顯著性區(qū)域提取方法。首先對圖像進行多尺度建模，在高尺度空間，利用高斯拉普拉斯濾波器對原圖像帶通濾波，保留圖像中清晰的輪廓信息，而在低尺度空間通過傅里葉變換對圖像幅度譜的剩余譜差分均值濾波，突出區(qū)域的整體性，之后，分別計算每一尺度下圖像的視覺顯著性，并且引入權值函數(shù)歸一化得到圖像的顯著圖，最后利用改進的K-means聚類方法對顯著圖進行分割，閾值化后生成顯著性區(qū)域。與已有的各種頻域方法相比，本文算