圖像顯著性區(qū)域檢測(cè)模型研究及其應(yīng)用.pdf

1、隨著計(jì)算機(jī)與通信技術(shù)的快速發(fā)展，圖像和視頻日益成為承載數(shù)據(jù)信息的主要形式。圖像資源出現(xiàn)爆炸式增長(zhǎng)，如何通過(guò)計(jì)算機(jī)快速處理和檢索圖像是面臨的重大挑戰(zhàn)。顯著性檢測(cè)技術(shù)是圖像檢索、圖像自適應(yīng)分割、目標(biāo)識(shí)別等計(jì)算機(jī)視覺(jué)領(lǐng)域的重要步驟。人類(lèi)視覺(jué)系統(tǒng)善于幫助人們?cè)诿鎸?duì)復(fù)雜場(chǎng)景時(shí)搜索到自己感興趣的區(qū)域，模擬人類(lèi)的視覺(jué)機(jī)制提取與目標(biāo)相關(guān)的顯著區(qū)域，可以為顯著區(qū)域優(yōu)先地分配圖像合成與分析所需的計(jì)算資源，提高計(jì)算機(jī)處理圖像的效率。在研究已有的顯著性檢測(cè)模型

2、的基礎(chǔ)上，總結(jié)出現(xiàn)有模型在提取顯著區(qū)域時(shí)面臨著準(zhǔn)確度不高，提取輪廓不清晰，抗噪能力差等缺點(diǎn)，所以研究精確的顯著性檢測(cè)模型變得很重要。本文主要研究工作如下:
　　(1)結(jié)合局部特征對(duì)比突出顯著物體邊緣和全局特征對(duì)比突出內(nèi)部區(qū)域的優(yōu)點(diǎn)本文提出了一種應(yīng)用局部特征和全局特征對(duì)比的顯著性檢測(cè)模型（LGC模型）。該算法首先使用簡(jiǎn)單的線性迭代聚類(lèi)(Simple Linear Iterative Clustering)分割算法將圖像預(yù)分割為若干緊

3、湊的超像素，選取邊界區(qū)域集并計(jì)算所有超像素的邊界權(quán)重;然后計(jì)算顏色和紋理特征的局部對(duì)比度得到局部顯著圖，利用全局特征的獨(dú)特性，空間分布特性得到全局顯著圖;最后采用求和乘積(Sum and Product)方法將局部和全局顯著圖融合得到最終的顯著圖。在Achanta測(cè)試集上進(jìn)行對(duì)比分析，實(shí)驗(yàn)結(jié)果表明，與其它5種算法相比本文顯著性檢測(cè)算法準(zhǔn)確度更高，具有較大的優(yōu)勢(shì)。
　　(2)將本文提出的顯著性檢測(cè)模型，應(yīng)用在圖像感興趣區(qū)域自動(dòng)分割、