基于特征點最小凸包與對比度的顯著性區(qū)域檢測算法研究.pdf

1、人眼視覺的一個重要特征就是將有限的處理資源優(yōu)先分配到人類更感興趣的區(qū)域上。圖像顯著性區(qū)域檢測就是模擬人眼這種視覺特效，將圖像中更容易引起人類興趣即顯著性高的區(qū)域檢測出來。顯著性區(qū)域檢測已經(jīng)應(yīng)用到許多計算機視覺任務(wù)中，例如圖像壓縮、目標(biāo)識別、圖像索引等多個領(lǐng)域，因此顯著性區(qū)域檢測現(xiàn)在是計算機視覺中的研究熱點與挑戰(zhàn)之一。
　　生物學(xué)研究表明圖像中的顯著區(qū)域多與其他區(qū)域有明顯差異，所以很多研究者基于圖像的對比度設(shè)計算法，但是在實際計算過

2、程中部分圖像背景中也會出現(xiàn)一些特殊區(qū)域與圖像其他部分同樣有較大的對比度，導(dǎo)致單一基于對比度的顯著性區(qū)域檢測算法無法將這部分背景與顯著區(qū)域辨別開。同時算法的運算速度也是顯著性區(qū)域檢測算法的重要性能之一。根據(jù)對一些經(jīng)典算法優(yōu)缺點的總結(jié)，本文首先提出一種基于圖像分割、正態(tài)分布和Wasserstein距離的底層特征表示方法，并通過這種方法對經(jīng)典的GBVS算法進行改進，然后對GBVS算法的改進效果進行總結(jié)，并結(jié)合更多的顯著性檢測原理，進而提出一種

3、基于對比度與特征點最小凸包的顯著性區(qū)域檢測算法，以彌補單一檢測原理的顯著性區(qū)域檢測算法的缺陷，最后對該算法進行仿真實驗。本文的主要創(chuàng)新點有以下三部分：
　?、俦疚囊猿袼刈鳛榛居嬎銌挝唬褂贸袼刂邢袼攸c的顏色和Gabor濾波所得的紋理的正態(tài)分布表示每個超像素的特征，以此建立圖像底層特征的數(shù)學(xué)模型，通過Wasserstein距離衡量超像素之間的特征差異，根據(jù)超像素之間的特征差異計算其局部與全局對比度。
　?、诟鶕?jù)超像素之間

4、的對比度對超像素進行分類，以每個超像素與不同聚類的契合度以及不同聚類顯著的概率計算出全局對比度的顯著圖，使用經(jīng)典的中心-周圍算子計算局部對比度顯著圖以加強主要目標(biāo)的顯著性。
　?、壅页鰣D像中的特征點，根據(jù)不同超像素與特征點最小凸包中心點的歐氏距離計算出中心顯著圖，并認(rèn)為最小凸包以外的區(qū)域均為不顯著的，以此估計出圖像中主要目標(biāo)的大致位置。最后將全局、局部對比度顯著圖與中心顯著圖相結(jié)合得到最終的顯著圖。
　　本文采用Matlab