基于視覺顯著性的目標(biāo)檢測和異源圖像輪廓提取方法研究.pdf

1、目標(biāo)檢測和異源圖像輪廓提取在目標(biāo)搜索、智能交通和軍事等領(lǐng)域具有廣闊應(yīng)用前景，本文從人類的視覺選擇性注意機(jī)制入手，研究了基于視覺注意機(jī)制的目標(biāo)檢測和異源圖像輪廓提取方法。針對經(jīng)典Itti模型對不同場景中的顯著目標(biāo)提取不具有通用性的問題，本文提出用亮度對比度特征取代原有亮度特征，突出了顯著目標(biāo)與背景區(qū)域的邊緣差異性和魯棒性，更有利于顯著目標(biāo)的提?。徊⑨槍υＰ吞卣鞯倪x取不能精準(zhǔn)反映目標(biāo)的顯著性問題，提出一種優(yōu)化的自適應(yīng)權(quán)值調(diào)整的顯著圖融合方

2、法,能夠適應(yīng)不同場景中顯著目標(biāo)的提取。與經(jīng)典 Itti模型的對比實(shí)驗(yàn)表明，本文改進(jìn)模型能更加準(zhǔn)確提取出顯著目標(biāo)。
　　本文針對目前大部分車牌提取方法不能很好地解決復(fù)雜背景情況下的車牌提取問題，將改進(jìn)的模型應(yīng)用于智能交通系統(tǒng)的車牌區(qū)域檢測中，提出了一種基于視覺顯著性和彩色信息融合的新方法，即在復(fù)雜背景中先提取顯著性高的物體，再根據(jù)車牌區(qū)域的彩色信息精確提取出車牌區(qū)域，該種方法對車牌的位置無特殊要求，并可以檢測傾斜車牌區(qū)域，與現(xiàn)有其他

3、的車牌定位方法相比，本文方法的車牌區(qū)域檢測精度提高了13％，特別是能在較復(fù)雜背景情況下定位出小區(qū)域車牌，對車牌區(qū)域變形也有一定的魯棒性。另外，為了證明本文方法的適用性，又將改進(jìn)后的模型應(yīng)用于海洋上的殘骸和油污漂浮物等目標(biāo)檢測，實(shí)驗(yàn)結(jié)果表明，該方法同樣適用于海上顯著目標(biāo)的檢測。針對現(xiàn)有異源圖像的輪廓提取研究中閾值分割方法容易形成空洞，以及一般聚類分割方法無法排除背景區(qū)域?qū)Ψ指罡蓴_的問題，根據(jù)圖像顯著圖具有區(qū)域顯著度相似性的特性，提出了一種