GPU上的顯著性區(qū)域檢測并行方法.pdf

1、顯著性區(qū)域是指圖像中最優(yōu)先得到關注的區(qū)域?？煽康娘@著性區(qū)域估計對許多計算機視覺處理任務都具有非常關鍵的作用，其中包括人臉識別、圖像壓縮、自適應分割、物體追蹤和圖像檢索等。目前的顯著性區(qū)域檢測算法都是根據(jù)定義計算圖像的顯著性值，再使用固定閾值或者自適應閾值的方法對圖像進行顯著性區(qū)域的分割。在實際的使用中，這些算法通常比較耗時，無法達到實際任務處理的要求。同時，大部分算法沒有對顯著性區(qū)域特征標記，當輸入圖像包含較多噪聲時，檢測的準確率較低。

2、為了解決這些問題，本文提出了一種基于GPU的能夠抗噪的顯著性區(qū)域檢測與標記方法，它能夠在極短的時間內(nèi)檢出圖像中的顯著性區(qū)域并計算區(qū)域的最小有向包圍矩形進行標記。
　　本文算法可分為四個基本階段。首先，使用基于局部直方圖的圖像縮小算法將圖像N倍縮小并使用廣義中值濾波平滑。使用雙線性插值算法對上一步得到的圖像N倍放大并對其進行雙邊濾波。原圖與濾波后圖像進行差分操作，得到的圖像即為顯著性圖像。使用局部聚類算法對顯著性圖平滑，使用區(qū)域生長

3、方法標記其中的顯著性區(qū)域并分割。最后計算分割區(qū)域的凸包得到顯著性區(qū)域的最小有向包圍矩形。
　　文章結合當前先進的理論給出了一種易于實現(xiàn)且能夠滿足實際任務處理需求的并行顯著性區(qū)域檢測方法。實驗表明在處理三十萬像素圖像的性能對比中，本方法僅需要30ms即可完成顯著性區(qū)域檢測和標記。方法在公開圖像測試庫中具有較好的準確率和召回率。該方法已成功應用于流水線上的晶體管產(chǎn)品質(zhì)量自動檢測。同時，方法還使用GPU的紋理存儲對圖像數(shù)據(jù)的快速讀取的特