圖像目標(biāo)顯著性檢測(cè)的研究與應(yīng)用.pdf

1、目前現(xiàn)有的圖像視覺(jué)顯著性分析算法，雖依據(jù)不同的理論方法，但就其顯著目標(biāo)提取效果上看，都著重分析顯著目標(biāo)的整體性和差異性。并且，在度量和計(jì)算顯著性區(qū)域時(shí)，其整體和局部的角度會(huì)反映出不同的顯著特征，綜合注重顯著目標(biāo)的整體一致性和局部差異性，可以準(zhǔn)確的把握顯著區(qū)域的綜合特征，獲得圖像的整體和局部的顯著性信息，可以更加準(zhǔn)確的描述圖像的顯著目標(biāo)。
　　基于上述顯著性檢測(cè)方法的分析，本文首先以整體和局部的角度出發(fā)，分析IG算法可以保持良好的目

2、標(biāo)整體性，但忽略了局部細(xì)節(jié)的對(duì)比，抑制了顯著區(qū)域。為此通過(guò)NIF算法進(jìn)一步凸顯局部細(xì)節(jié)差異性特征。分別檢測(cè)基于整體一致性和局部差異性的顯著信息，最終將兩者充分結(jié)合而得到一種新的顯著性檢測(cè)方法MAX算法，從而達(dá)到同時(shí)把握目標(biāo)整體性和局部差異性的效果。其次，本文提出將突出整體一致性和局部差異性的顯著性信息應(yīng)用到目標(biāo)分割上，避免過(guò)分割以及分割不足等缺點(diǎn)，本文利用譜聚類算法對(duì)初始過(guò)分割得到的圖像進(jìn)行區(qū)域聚類合并，進(jìn)而得到最終的分割結(jié)果，并且取得