圖像顯著性檢測研究及其應(yīng)用.pdf

1、隨著多媒體技術(shù)及數(shù)字攝像設(shè)備的普及，全世界的數(shù)字圖像數(shù)量迅速增長。因此需要在海量的圖像中高效智能的提取出人們需要的信息，并希望在圖像處理的過程中保持圖像不至扭曲變形。由于人們的視覺注意機制的作用，人們只對圖像內(nèi)容中很小的一部分感興趣，因此，有必要檢測出這部分區(qū)域，以便于后續(xù)圖像處理的高效進行。
　　論文通過對人類視覺注意力的分析，討論了人類視覺機制與圖像信息的聯(lián)系，以及將視覺注意機制引入到圖像處理中的可能性和必然性。通過介紹現(xiàn)有的

2、基于人類視覺機制的幾種典型的顯著區(qū)域檢測模型發(fā)現(xiàn)，ITTI模型是一種效果較好的圖像顯著性提取的方法，論文對該模型進行了詳細的研究。經(jīng)過大量的實驗圖像表明，單純的基于ITTI模型的圖像顯著性區(qū)域檢測，算法復(fù)雜，提取的顯著圖不清晰，顯著物體內(nèi)部信息缺失。
　　本文在ITTI模型的基礎(chǔ)上，結(jié)合圖像的頻率特征以及應(yīng)用指數(shù)函數(shù)提取方向特征提出了一種改進的圖像顯著性檢測方法。該方法首先利用高斯金字塔模型對原始圖像的灰度圖像進行分層，應(yīng)用中心-

3、周邊方法提取亮度特征。然后將原始圖像變化到LAB顏色空間中，提取圖像的頻域信息，將高頻信息視為圖像的顏色特征。再對原始圖像的灰度圖像進行指數(shù)濾波，得到圖像的方向特征。最后將提取出的三種特征的特征圖合并為最終的顯著圖。然后介紹了將圖像顯著性區(qū)域應(yīng)用到圖像目標重定位中。
　　論文進行了大量的實驗，從Corel圖像庫中選取各種類型的圖像，分別對ITTI模型和改進后的顯著性區(qū)域檢測算法進行實驗。實驗結(jié)果顯示，改進后的顯著性區(qū)域提取算法，不