基于多尺度多通道均值的視覺顯著性檢測方法研究.pdf

1、隨著互聯(lián)網和多媒體技術的發(fā)展，網絡服務器提供了大量的圖像，給后續(xù)的圖像處理和分析帶來極大地挑戰(zhàn)。人類視覺系統(tǒng)可以很容易地判斷圖像中的顯著性區(qū)域，并注意到圖像的重要部分，深入研究顯著性檢測技術，讓計算機具備人類視覺系統(tǒng)這種捕捉顯著性信息的能力，對提高圖像分析和圖像理解系統(tǒng)的性能以及圖像處理技術的應用水平都具有十分深遠的意義。
　　針對已有視覺顯著性檢測方法很難清晰地提取出圖像的顯著性區(qū)域、檢測準確性不高的問題，本文基于人類視覺系統(tǒng)的

2、注意機制，結合圖像的成分、頻率、顏色通道、尺度等信息，對顯著性檢測進行了多方面研究，提出了一系列的視覺顯著性檢測方法。主要工作包括以下幾個方面:
　　(1)提出基于多成分均值的視覺顯著性檢測方法。對圖像進行高斯濾波和顏色空間轉換，增加圖像的清晰度，過濾背景和噪聲，利用主分量變換，盡量消除濾波圖像中隨機因素的干擾，同時減少圖像中需要處理的特征量個數，在三個主成分上進行顯著性計算，最后通過線性均值融合得到最終顯著圖。實驗結果表明，該方

3、法能夠明顯提高顯著性檢測的準確性。
　　(2)提出基于多尺度多通道均值的視覺顯著性檢測方法。利用二維小波變換對圖像進行小波分解和重構，不需進行圖像分割就能有效地過濾圖像背景信息，突出顯著性區(qū)域，利用雙立方插值對濾波后圖像進行多尺度縮小，對不同尺度的顯著性目標具有更好的適應性和擴展性，計算圖像各個通道的均值，以圖像與各個通道均值的距離作為圖像的顯著值，避免只抽取目標的邊緣信息，能夠均勻地突出整體物體，只保留圖像中顯著值不小于其顯著均

4、值的部分，進一步去除顯著圖中的背景噪聲，突出顯著性區(qū)域，利用雙立方插值對圖像進行放大并進行圖像疊加，最后利用線性歸一化得到最終顯著圖。實驗結果表明，該方法能夠清晰地提取出圖像的顯著性區(qū)域，提高顯著性檢測的準確性。
　　(3)基于所提兩種檢測方法進行擴展實驗。分別在基于多成分均值和基于多尺度多通道均值的視覺顯著性檢測方法的檢測框架下，擴展圖像的顏色空間模式，擴展了圖像的顏色通道和主成分個數，在不同顏色空間模式、不同主成分、不同通道上