基于拉普拉斯塔式分解的顯著性檢測.pdf

1、圖像是一種重要的信息來源，通過圖像人們可以方便直觀地了解很多文字無法表達的信息，因此對圖像的研究也得到人們越來越多的重視。隨著信息技術(shù)的飛速發(fā)展，圖像的規(guī)模和復雜程度以爆炸式的速度增長，為后續(xù)的圖像處理和目標分析帶來了極大難度，如何高效智能化處理這些數(shù)據(jù)成為人們關(guān)注的焦點。顯著性檢測目的在于實現(xiàn)將顯著性目標從圖像背景中自動檢測，成為人類視覺注意機制系統(tǒng)中神經(jīng)科學和心理學的一個重要的基本概念。
　　本文首先對當前已經(jīng)提出的顯著性檢測

2、方法進行詳細的分析理解，在此基礎(chǔ)上，本文發(fā)現(xiàn)現(xiàn)存的顯著性算法由于只采用單一的顏色或者灰度特征，導致實驗結(jié)果質(zhì)量不高。由于單一特征通常只能捕獲視覺信息的一個方面，單個圖像特征存在片面性，很難完整描述區(qū)域信息，例如，顏色特征描述因子很難很好的描述紋理信息豐富的圖像。因此本文試圖從多個特征對圖像進行分析，例如灰度、紋理、亮度等，然后對可能應(yīng)用到顯著性檢測方法的特征進行單獨分析。特別需要注意的是，目前大多數(shù)顯著性檢測方法主要考慮的視覺特征有方向

3、、灰度、強度等，但對圖像紋理特征研究的較少?；趫D像的紋理特性，本文利用灰度共生矩陣研究圖像的紋理信息，并在灰度共生矩陣的基礎(chǔ)上提出彩色共生矩陣的方法，根據(jù)兩點像素之間的顏色和紋理特征，反映彩色圖像在方向、間隔、變化幅度及速度快慢上的綜合信息。
　　在超像素理論的基礎(chǔ)上，本文提出一種基于超像素的圖像顯著性檢測算法。目前大多數(shù)算法是在像素水平上計算顯著性價值，最終的顯著性圖存在分辨率低，結(jié)果精度低的缺點，本文嘗試利用超像素將輸入圖像