基于人類視覺注意機制的顯著目標檢測與分割.pdf

1、近些年來，隨著計算機技術(shù)的不斷發(fā)展，智能化設(shè)備被廣泛應(yīng)用于人類社會的各個領(lǐng)域。這些智能化產(chǎn)品能在某種程度上去獲取外界信息，代替人做出相關(guān)操作。據(jù)統(tǒng)計，人獲取外界信息百分之六十來自于視覺，而圖像是視覺信息的基本構(gòu)成單元。所以計算機視覺處理技術(shù)顯得日趨重要，應(yīng)用也越來越廣泛。本文所研究的顯著目標檢測就是通過模擬人類視覺模型，對圖像中的顯著區(qū)域進行分割和提取，可以構(gòu)造出靈活多變并且自適應(yīng)能力較強的仿生視覺算法。該研究可應(yīng)用于醫(yī)學(xué)圖像病變位置定

2、位，工業(yè)零部件檢測，目標跟蹤與識別，圖像編碼與壓縮，圖像匹配與合成，圖像檢索和相機自動聚焦等多個領(lǐng)域。因此顯著目標檢測成為研究者們關(guān)注的熱點。
　　本文提出了一種新的基于顯著圖的顯著目標檢測與分割算法。該算法包括全局背景差值圖的生成，顯著圖計算和顯著目標分割與提取三個部分。首先基于lab顏色空間，在去除圖像噪聲，紋理，編碼錯亂的影響下計算出基于人眼模型的全局背景差值圖；采用爬山算法和k-means復(fù)合聚類的方法，對lab顏色空間的

3、圖像進行聚類，結(jié)合全局差值圖計算出最終的顯著圖；對顯著圖進行去除顯著圖孤立的顯著點，增強顯著圖的邊緣，提取邊緣。基于面向區(qū)域的思想生成掩碼圖像，最后將掩碼圖像與源圖像結(jié)合，提取出顯著目標。
　　本文實驗圖像采用微軟亞洲研究院的公開數(shù)據(jù)庫，實驗評價主要從顯著目標提取的精確率，召回率和綜合評價指標等方面與其它五種主流算法進行比較。實驗結(jié)果表明，本文算法提出的基于人類視覺注意機制，利用顯著圖像對目標進行檢測與分割的方法，能準確定位到顯著