论文部分内容阅读
随着信息时代的到来,海量数字媒体带给人们极大享受,同时在处理效率方面,也对数字图像处理技术有了更高的要求,尤其对于显著性检测过程中的计算显著值阶段,像素级别的显著值计算量会很大。为了降低显著值计算过程中的运算级,我们需要降低图像像素数量级,于是在图像显著性计算中引入超像素分割成为了一个很好的且很有必要的解决方法,这也是未来的一个发展趋势。本文主要的研究工作如下:第一,提出了一种基于空间分布和纹理特征的图像显著性检测算法。该算法改进了基于空间分布特征的图像显著性检测算法,首先利用原有算法提取空间显著图,为了综合考虑更多底层特征信息,接着融合纹理特征来得到最终显著图。实验结果表明,该算法在本文实验中的主、客观评价指标均优于一些经典显著性检测算法。第二,提出了一种基于改进SLIC超像素分割的图像显著性检测算法。为了避免传统SLIC超像素分割算法带来的迭代次数过多、生成冗余的聚类中心以及生成的超像素数目比较少等问题,该算法首先使用改进的SLIC超像素算法来代替传统的SLIC超像素算法,然后在显著值计算阶段,为了使结果显著图包含更加丰富的特征信息,并且在保留边界轮廓的同时能够均匀突显图像的目标区域,该算法进一步融合纹理显著图和基于颜色直方图的显著图来得到最终显著图。实验结果表明,该算法在本文实验中的主、客观评价指标均优于一些经典显著性检测算法。第三,提出了一种基于改进Retinex算法和改进SLIC超像素的图像显著性检测算法。为了提高上一个算法对于背景光照不均匀、图像质量不高且容易受环境影响的图片的适用性,该算法首先通过粒子群算法改进传统的Retinex算法,并将改进的Retinex算法作为预处理操作运用到基于改进SLIC超像素分割的图像显著性检测过程中。为了进一步减少上一个算法提取的基于改进超像素的显著图里面的背景噪声,该算法然后提取前景显著图,并融合前景显著图与基于改进的超像素显著图来得到最终的基于自底向上底层特征信息的显著图。实验结果表明,该算法在本文实验中的主、客观评价指标均优于一些经典显著性检测算法。第四,提出了一种融合局部特征信息和全局特征信息的图像显著性检测算法。为了更好地突出显著图中的核心目标区域,该算法首先通过核心物体突出算法POO优化上一个算法提取的基于自底向上底层特征信息的显著图。为了更好地兼顾全局形状信息,该算法然后通过学习训练一个多核函数的强分类器来优化经POO算法优化后的显著图,得到基于全局特征信息的显著图,最后融合自底向上局部特征显著图和自顶向下全局特征显著图来得到最终的显著图。实验结果表明,该算法在本文实验中的主、客观评价指标均优于一些经典显著性检测算法。