基于圖像分割的顯著性物體檢測方法.pdf

1、近年來，顯著性物體檢測的研究備受關(guān)注，圖像中的顯著性物體是一幅圖像中引人注意的目標，長期以來，心理學(xué)、神經(jīng)系統(tǒng)學(xué)和計算機視覺等領(lǐng)域?qū)σ曈X注意力進行了研究，研究表明人類的大腦和視覺神經(jīng)系統(tǒng)會更加關(guān)注圖像中的某些目標，這些目標就是顯著性物體。顯著性物體檢測在圖像應(yīng)用的各個方面，包括圖像檢索、圖像壓縮以及圖像瀏覽等，以及醫(yī)學(xué)領(lǐng)域都有重要的理論意義和實用價值。
　　本文提出以圖像分割為基礎(chǔ)的顯著性物體檢測方法來檢測顯著性物體。論文首先分析

2、了經(jīng)典的三種顯著性物體檢測的模型和方法：Itti模型、Graph-Based Visual Saliency(GBVS)和Tie模型，這些方法在計算顯著性特征時都是基于像素的；基于像素的顯著性物體檢測方法有兩個主要缺點：其一，運算代價太高；其二，以像素為基礎(chǔ)的特征一般都不能反映整體的顯著對象，它們很可能在雜亂無章的背景下檢測不到顯著對象。其次，針對基于像素方法的上述缺點，在經(jīng)典算法的基礎(chǔ)上提出了本文的基于圖像分割的(基于區(qū)域的)顯著性物

3、體檢測方法，主要是采用了基于圖像分割的多尺度對比差和基于圖像分割的顏色直方圖兩個顯著性特征，并將兩個顯著性特征線性組合，進而得到最終的顯著性圖，經(jīng)過閾值處理提取出顯著性物體；最后，通過實驗仿真，給出了基于圖像分割的顯著性物體檢測方法的顯著性圖和檢測結(jié)果，并將基于圖像分割的顯著性物體檢測方法與Itti算法和GBVS算法進行了對比。
　　實驗表明，本文的方法在檢測顯著性物體時能夠得到較好的效果，能夠更加符合人類的視覺感知，并且在計算效