基于小區(qū)域的圖像顯著度提取及應(yīng)用研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，圖像成為眾多領(lǐng)域重要的信息來源。由于圖像包含了豐富的媒介信息，因此如何快速準(zhǔn)確地根據(jù)實際需求批量處理圖像成為目前比較熱門的研究方向。人的視覺系統(tǒng)在面臨一個復(fù)雜的場景時，能夠迅速的將注意力集中在少數(shù)幾個顯著對象上，這一優(yōu)先注意的過程稱為視覺注意。而在圖像應(yīng)用領(lǐng)域，多數(shù)的圖像處理方法都是基于圖像內(nèi)能夠表達(dá)圖像內(nèi)容的關(guān)鍵對象。因此，如果能通過計算機，批量提取出這些關(guān)鍵對象，將會為圖像應(yīng)用的其他領(lǐng)域提供巨大的幫助。本文將包含

2、圖像關(guān)鍵對象的區(qū)域稱為顯著度區(qū)域，將這一研究領(lǐng)域稱為圖像的顯著度提取領(lǐng)域。不可否認(rèn)的是，多數(shù)圖像中，冗余信息較多，如何高效地“屏蔽”掉這一部分信息，準(zhǔn)確、快速地提取出圖像的顯著度區(qū)域，成為評價這類算法性能的重要標(biāo)準(zhǔn)。本文的研究重點是基于對現(xiàn)有的優(yōu)秀的顯著度提取算法的深入研究，設(shè)計新的、計算簡單、更加符合視覺機制的顯著度提取算法，并基于設(shè)計的顯著度提取算法，在圖像分割和檢索領(lǐng)域進(jìn)行了應(yīng)用研究。
　　圖像的分割方法種類繁多，但所有算法

3、的中心思想都是尋找合適的分割閾值，這些方法或者對圖像進(jìn)行預(yù)處理、或者對圖像特征進(jìn)行分析，最后計算出有效的分割閾值。理想的分割閾值正好可以將關(guān)鍵對象分割出來，忽略非關(guān)鍵區(qū)域。如果結(jié)合圖像的顯著度提取算法，可以很好地改進(jìn)圖像分割算法，本文在這一領(lǐng)域做了嘗試。基于內(nèi)容的圖像的檢索方法成為目前研究較廣泛的方法，其主要的指導(dǎo)思想是根據(jù)圖像的底層特征如顏色、紋理、形狀等形成特征信息量，用于圖像的相似度特征匹配，而在實際應(yīng)用中，背景區(qū)域的特征信息匹配

4、往往會影響實際的匹配性能，因此本文嘗試將顯著度提取算法與圖像檢索方法結(jié)合，忽略背景區(qū)域，重點關(guān)注顯著度區(qū)域，從而精簡算法，提高檢索性能。
　　本文主要完成了如下工作：
　　(1)研究了現(xiàn)有的圖像顯著度算法，發(fā)現(xiàn)多數(shù)算法均以像素為基本處理單位來提取圖像特征，這類算法很容易受像素噪音的干擾，尤其針對內(nèi)容比較復(fù)雜分散的圖像。本文提出了以圖像小區(qū)域為基本處理單元的思路，通過簡單的平均分割方法對圖像進(jìn)行預(yù)處理，經(jīng)過多次實驗，得出了理想

5、的分割尺寸。本文的顯著度檢測算法，以人的視覺機制為指導(dǎo)，充分考慮影響視覺感知的顏色對比度、相對位置、像素復(fù)雜度等重要的因素，通過對各要素的實際影響程度進(jìn)行分析整合，得到了最終的提取算法。本文在實驗結(jié)果分析階段，綜合對比了目前最優(yōu)秀的五類顯著度提取算法，結(jié)果顯示本文的算法在實際提取方面有著較好的性能。
　　(2)本文將所設(shè)計的顯著度提取算法作為技術(shù)支持，在圖像分割領(lǐng)域進(jìn)行了應(yīng)用研究。首先客觀分析了目前分割算法的基本類型及各自的優(yōu)點以

6、及缺點，重點分析了基于顯著度提取對圖像分割提供技術(shù)支持的優(yōu)勢，設(shè)計了兩類分割算法：固定閾值的分割算法和自適應(yīng)閾值的分割算法。本文仍然選取目前最優(yōu)秀的五類顯著度提取算法，以各自算法得到的相同圖像的顯著度圖作為待分割圖像。本文用部分隨機選取圖像的實際分割效果圖，精度-召回率曲線，平均召回率、平均精度以及F值來評價分割算法的性能。
　　(3)基于本文提出的圖像顯著度提取算法，在圖像檢索領(lǐng)域進(jìn)行了應(yīng)用研究。本文重點分析了目前應(yīng)用最廣泛的基