基于圖像頻域分析顯著目標檢測算法研究.pdf

1、隨著科學技術的發(fā)展，手機、電腦以及其他的一些電子設備與人們的生活產(chǎn)生了越來越緊密的聯(lián)系。人們日常生活中接觸的信息也呈現(xiàn)指數(shù)式增長，其中視覺信息占據(jù)了絕大部分。人的視覺系統(tǒng)如何處理這些復雜多變的信息成為一個研究熱點，與之相應的計算機視覺概念也相繼提出，視覺注意機制與圖像顯著目標檢測是其重要研究方向之一。
　　在圖像處理過程中，特征提取是十分重要的環(huán)節(jié)之一。因此，本文首先介紹了圖像顯著目標檢測領域常用特征和提取算法。此外，對于不同的顯

2、著目標檢測模型，選取不同的顏色空間會對最終的檢測效果產(chǎn)生重要的影響，所以，本文對不同的顏色空間模型進行研究為后期模型的建立做鋪墊。
　　本文建立的第一個模型是基于小波金字塔的顯著目標檢測模型。該模型是受Itti生物視覺注意模型的啟發(fā)，采用小波金字塔模型取代高斯金字塔模型，充分發(fā)揮圖像小波變換的局部信息表達能力及多尺度空間分析能力，能夠使最終的顯著目標圖像具有較好的輪廓信息。另外，我們將改進型的中心先驗知識融入到小波金字塔模型中，進

3、一步增強了顯著目標檢測效果，有利于目標分割。
　　文章建立的第二個模型是基于圖像局部分析與全局分析的顯著目標檢測模型。因圖像的小波變換其具有上述優(yōu)良的性能，能夠對提取的特征圖像進行局部分析，進而獲得局部分析的特征顯著圖像。但是，由于其局部細節(jié)表達能力容易導致檢測顯著目標不完整以及具有復雜紋理背景信息融入，因此文章進一步融入譜殘差算法對圖像做出全局分析，獲得全局分析的顯著圖像。將兩種顯著特征圖像采用非線性融合算法進行處理，得到了最終

4、的顯著圖像。從最終的實驗結果分析來看，無論是直觀上的顯著圖像還是客觀上的P-R曲線，該模型的檢測效果要優(yōu)于其他幾種算法。
　　本文的最后一種算法是基于圖像頻域分析顯著目標檢測算法。事實上，無論是基于圖像小波變換的顯著目標檢測模型還是基于譜殘算法的顯著目標檢測方法，都是從圖像頻域角度進行分析得到的目標檢測模型，文章進一步將頻域調諧算法與上面的基于局部和全局分析的顯著目標檢測模型進行融合，進而獲得了一種新的基于圖像頻域分析的圖像顯著目