基于圖像分割的顯著性物體檢測(cè)方法.pdf

1、近年來(lái)，顯著性物體檢測(cè)的研究備受關(guān)注，圖像中的顯著性物體是一幅圖像中引人注意的目標(biāo)，長(zhǎng)期以來(lái)，心理學(xué)、神經(jīng)系統(tǒng)學(xué)和計(jì)算機(jī)視覺(jué)等領(lǐng)域?qū)σ曈X(jué)注意力進(jìn)行了研究，研究表明人類(lèi)的大腦和視覺(jué)神經(jīng)系統(tǒng)會(huì)更加關(guān)注圖像中的某些目標(biāo)，這些目標(biāo)就是顯著性物體。顯著性物體檢測(cè)在圖像應(yīng)用的各個(gè)方面，包括圖像檢索、圖像壓縮以及圖像瀏覽等，以及醫(yī)學(xué)領(lǐng)域都有重要的理論意義和實(shí)用價(jià)值。
　　本文提出以圖像分割為基礎(chǔ)的顯著性物體檢測(cè)方法來(lái)檢測(cè)顯著性物體。論文首先分析

2、了經(jīng)典的三種顯著性物體檢測(cè)的模型和方法：Itti模型、Graph-Based Visual Saliency(GBVS)和Tie模型，這些方法在計(jì)算顯著性特征時(shí)都是基于像素的；基于像素的顯著性物體檢測(cè)方法有兩個(gè)主要缺點(diǎn)：其一，運(yùn)算代價(jià)太高；其二，以像素為基礎(chǔ)的特征一般都不能反映整體的顯著對(duì)象，它們很可能在雜亂無(wú)章的背景下檢測(cè)不到顯著對(duì)象。其次，針對(duì)基于像素方法的上述缺點(diǎn)，在經(jīng)典算法的基礎(chǔ)上提出了本文的基于圖像分割的(基于區(qū)域的)顯著性物

3、體檢測(cè)方法，主要是采用了基于圖像分割的多尺度對(duì)比差和基于圖像分割的顏色直方圖兩個(gè)顯著性特征，并將兩個(gè)顯著性特征線性組合，進(jìn)而得到最終的顯著性圖，經(jīng)過(guò)閾值處理提取出顯著性物體；最后，通過(guò)實(shí)驗(yàn)仿真，給出了基于圖像分割的顯著性物體檢測(cè)方法的顯著性圖和檢測(cè)結(jié)果，并將基于圖像分割的顯著性物體檢測(cè)方法與Itti算法和GBVS算法進(jìn)行了對(duì)比。
　　實(shí)驗(yàn)表明，本文的方法在檢測(cè)顯著性物體時(shí)能夠得到較好的效果，能夠更加符合人類(lèi)的視覺(jué)感知，并且在計(jì)算效