论文部分内容阅读
人类能够快速的选择与识别大量的视觉信息，这主要依赖于视觉注意筛选机制。众所周知，人类接受的外界信息中约75％到87%属于视觉信息。因此对于人类视觉感知机制的研究是非常有意义的。如果能够成功模拟人类的视觉感知机制并建立计算模型指导对图像的处理，将会给计算机系统的图像信息处理效率与准确性带来质的飞跃，从而满足海量信息的处理需要。在视觉的相关生物理论和实验的指导下，人们提出了许多不同的注意计算模型。在有关视觉注意机制的理论中，显著性被定义为视觉系统感知刺激强弱的表现，而如何衡量这种刺激强弱的技术就是显著性检测。显著性检测在目标识别与定位、图像匹配与重建等方面意义重大，在军事、医学、刑侦、工业制造等领域具有广泛的应用价值。 本文围绕视觉注意机制在显著目标提取上的应用展开研究。基于现有的研究方法，在考虑算法的计算效率以及检测结果准确性的基础上，提出了结合空间分布特性的显著性检测方法。并通过显著图与图像分割理论的有机结合实现对显著目标区域的提取。 本文的主要研究工作包括： 第一，彩色自然图像的显著性检测研究。提出了结合空间分布特性的显著性检测方法。首先基于全局颜色对比度方法计算初步显著图。然后对初步显著图进行预处理操作以减弱背景影响；接着利用超像素方法对初步显著图进行分割得到均匀规则的同质区域以减少不必要的图像细节。最后以区域为单位分别计算独特性与空间分布两个特征，将二者结合并为每个像素分配显著性值得到最终的显著图。 第二，对提取图像中的显著目标进行了研究。利用所得到的显著图，结合超像素分割方法进行显著性目标提取。首先根据最大熵原理对已经得到的显著图进行分割得到不同阈值条件下的预分割模板。然后利用SLIC方法对图像进行分割得到同质区域，通过调整分割区域的数目与距离计算标准，使得超像素分割结果与目标轮廓能够较好的契合。最后根据预分割模板判断超像素区域的从属归类达到目标提取的目的。 本文基于 ASD图像库中的图像对显著性检测方法与显著目标提取方法进行测试与验证。实验结果表明，本文所提出的方法一方面能取得较好的显著性检测结果，另一方面具有计算时间上的优势。此方法还具有一定的普遍适用性，可以应用于其它基于显著性检测或基于目标提取的图像处理技术。