圖像顯著性區(qū)域檢測模型研究及其應用.pdf

1、隨著計算機與通信技術的快速發(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，如何通過計算機快速處理和檢索圖像是面臨的重大挑戰(zhàn)。顯著性檢測技術是圖像檢索、圖像自適應分割、目標識別等計算機視覺領域的重要步驟。人類視覺系統(tǒng)善于幫助人們在面對復雜場景時搜索到自己感興趣的區(qū)域，模擬人類的視覺機制提取與目標相關的顯著區(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算資源，提高計算機處理圖像的效率。在研究已有的顯著性檢測模型

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

3、湊的超像素，選取邊界區(qū)域集并計算所有超像素的邊界權重;然后計算顏色和紋理特征的局部對比度得到局部顯著圖，利用全局特征的獨特性，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測試集上進行對比分析，實驗結果表明，與其它5種算法相比本文顯著性檢測算法準確度更高，具有較大的優(yōu)勢。
　　(2)將本文提出的顯著性檢測模型，應用在圖像感興趣區(qū)域自動分割、