基于拉普拉斯塔式分解的顯著性檢測(cè).pdf

1、圖像是一種重要的信息來(lái)源，通過圖像人們可以方便直觀地了解很多文字無(wú)法表達(dá)的信息，因此對(duì)圖像的研究也得到人們?cè)絹?lái)越多的重視。隨著信息技術(shù)的飛速發(fā)展，圖像的規(guī)模和復(fù)雜程度以爆炸式的速度增長(zhǎng)，為后續(xù)的圖像處理和目標(biāo)分析帶來(lái)了極大難度，如何高效智能化處理這些數(shù)據(jù)成為人們關(guān)注的焦點(diǎn)。顯著性檢測(cè)目的在于實(shí)現(xiàn)將顯著性目標(biāo)從圖像背景中自動(dòng)檢測(cè)，成為人類視覺注意機(jī)制系統(tǒng)中神經(jīng)科學(xué)和心理學(xué)的一個(gè)重要的基本概念。
　　本文首先對(duì)當(dāng)前已經(jīng)提出的顯著性檢測(cè)

2、方法進(jìn)行詳細(xì)的分析理解，在此基礎(chǔ)上，本文發(fā)現(xiàn)現(xiàn)存的顯著性算法由于只采用單一的顏色或者灰度特征，導(dǎo)致實(shí)驗(yàn)結(jié)果質(zhì)量不高。由于單一特征通常只能捕獲視覺信息的一個(gè)方面，單個(gè)圖像特征存在片面性，很難完整描述區(qū)域信息，例如，顏色特征描述因子很難很好的描述紋理信息豐富的圖像。因此本文試圖從多個(gè)特征對(duì)圖像進(jìn)行分析，例如灰度、紋理、亮度等，然后對(duì)可能應(yīng)用到顯著性檢測(cè)方法的特征進(jìn)行單獨(dú)分析。特別需要注意的是，目前大多數(shù)顯著性檢測(cè)方法主要考慮的視覺特征有方向

3、、灰度、強(qiáng)度等，但對(duì)圖像紋理特征研究的較少?；趫D像的紋理特性，本文利用灰度共生矩陣研究圖像的紋理信息，并在灰度共生矩陣的基礎(chǔ)上提出彩色共生矩陣的方法，根據(jù)兩點(diǎn)像素之間的顏色和紋理特征，反映彩色圖像在方向、間隔、變化幅度及速度快慢上的綜合信息。
　　在超像素理論的基礎(chǔ)上，本文提出一種基于超像素的圖像顯著性檢測(cè)算法。目前大多數(shù)算法是在像素水平上計(jì)算顯著性價(jià)值，最終的顯著性圖存在分辨率低，結(jié)果精度低的缺點(diǎn)，本文嘗試?yán)贸袼貙⑤斎雸D像