基于圖像頻域分析顯著目標(biāo)檢測(cè)算法研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，手機(jī)、電腦以及其他的一些電子設(shè)備與人們的生活產(chǎn)生了越來越緊密的聯(lián)系。人們?nèi)粘Ｉ钪薪佑|的信息也呈現(xiàn)指數(shù)式增長(zhǎng)，其中視覺信息占據(jù)了絕大部分。人的視覺系統(tǒng)如何處理這些復(fù)雜多變的信息成為一個(gè)研究熱點(diǎn)，與之相應(yīng)的計(jì)算機(jī)視覺概念也相繼提出，視覺注意機(jī)制與圖像顯著目標(biāo)檢測(cè)是其重要研究方向之一。
　　在圖像處理過程中，特征提取是十分重要的環(huán)節(jié)之一。因此，本文首先介紹了圖像顯著目標(biāo)檢測(cè)領(lǐng)域常用特征和提取算法。此外，對(duì)于不同的顯

2、著目標(biāo)檢測(cè)模型，選取不同的顏色空間會(huì)對(duì)最終的檢測(cè)效果產(chǎn)生重要的影響，所以，本文對(duì)不同的顏色空間模型進(jìn)行研究為后期模型的建立做鋪墊。
　　本文建立的第一個(gè)模型是基于小波金字塔的顯著目標(biāo)檢測(cè)模型。該模型是受Itti生物視覺注意模型的啟發(fā)，采用小波金字塔模型取代高斯金字塔模型，充分發(fā)揮圖像小波變換的局部信息表達(dá)能力及多尺度空間分析能力，能夠使最終的顯著目標(biāo)圖像具有較好的輪廓信息。另外，我們將改進(jìn)型的中心先驗(yàn)知識(shí)融入到小波金字塔模型中，進(jìn)

3、一步增強(qiáng)了顯著目標(biāo)檢測(cè)效果，有利于目標(biāo)分割。
　　文章建立的第二個(gè)模型是基于圖像局部分析與全局分析的顯著目標(biāo)檢測(cè)模型。因圖像的小波變換其具有上述優(yōu)良的性能，能夠?qū)μ崛〉奶卣鲌D像進(jìn)行局部分析，進(jìn)而獲得局部分析的特征顯著圖像。但是，由于其局部細(xì)節(jié)表達(dá)能力容易導(dǎo)致檢測(cè)顯著目標(biāo)不完整以及具有復(fù)雜紋理背景信息融入，因此文章進(jìn)一步融入譜殘差算法對(duì)圖像做出全局分析，獲得全局分析的顯著圖像。將兩種顯著特征圖像采用非線性融合算法進(jìn)行處理，得到了最終

4、的顯著圖像。從最終的實(shí)驗(yàn)結(jié)果分析來看，無論是直觀上的顯著圖像還是客觀上的P-R曲線，該模型的檢測(cè)效果要優(yōu)于其他幾種算法。
　　本文的最后一種算法是基于圖像頻域分析顯著目標(biāo)檢測(cè)算法。事實(shí)上，無論是基于圖像小波變換的顯著目標(biāo)檢測(cè)模型還是基于譜殘算法的顯著目標(biāo)檢測(cè)方法，都是從圖像頻域角度進(jìn)行分析得到的目標(biāo)檢測(cè)模型，文章進(jìn)一步將頻域調(diào)諧算法與上面的基于局部和全局分析的顯著目標(biāo)檢測(cè)模型進(jìn)行融合，進(jìn)而獲得了一種新的基于圖像頻域分析的圖像顯著目