本文關(guān)鍵詞：基于超像素分割的視覺顯著性檢測，由筆耕文化傳播整理發(fā)布。

【摘要】：視覺的主要功能就是解釋人們生活的周圍環(huán)境,并與其發(fā)生信息交互。人類視覺具有快速搜索到感興趣目標的能力,即發(fā)現(xiàn)顯著目標,然而對于計算機視覺而言這個技術(shù)是具有挑戰(zhàn)性的�，F(xiàn)有的顯著性檢測模型多應(yīng)用于簡單背景,而對復(fù)雜背景的處理的準確性不高,這樣增加了后續(xù)圖像處理的復(fù)雜度和難度。如何將復(fù)雜背景圖像中的顯著物體檢測并分割出來是本文研究的重點。本文提出一種基于超像素分割的視覺顯著性檢測模型,能夠自動地篩選出自然場景中,特別是復(fù)雜背景中的圖像顯著性區(qū)域并將其分割出來。主要工作如下:1.在預(yù)處理階段采用超像素分割。根據(jù)顏色、形狀、邊緣,亮度特征將屬性相似的像素進行像素塊聚類,將原始圖像自適應(yīng)的分成若干不規(guī)則的區(qū)域,對分塊后的圖像區(qū)域進行后續(xù)的處理,可以減少算法的時間復(fù)雜度。2.提出類LBP編碼的背景模板提取方法,根據(jù)顏色特征、亮度特征、紋理特征對圖像四個邊界分別進行局部二值編碼,將其重新表示,并舍棄編碼值較大的邊界;采用地理學(xué)中的測地線距離,結(jié)合顏色空間理論和HLBP算法提取的圖像紋理特征,計算圖像到背景模板的最短路徑,得到粗略顯著圖;提出一種后處理方法,對得到的粗略顯著圖采用OTSU分割算法和偏向物體的(Object-biased)的高斯模型進行顯著區(qū)域增強,得到精確顯著圖。3.將提取的顯著圖應(yīng)用到圖像壓縮中,并與JPEG 2000普通編碼算法進行比較。為驗證本文提出模型的有效性,使用包含1000張圖像的MSRA(Microsoft Research Asia)數(shù)據(jù)庫和包含300張復(fù)雜圖像的BSD(Berkeley Software Distribution)數(shù)據(jù)庫進行仿真驗證,并與目前主流的7種顯著性模型所得的顯著圖進行對比,主觀評價和客觀評價指標都證明了本文算法的有效性;將得到的顯著圖應(yīng)用于JPEG2000-ROI編碼中,實驗結(jié)果證明本文模型提取的顯著圖的可以用于JPEG 2000感興趣區(qū)域壓縮。

  本文關(guān)鍵詞：基于超像素分割的視覺顯著性檢測，，由筆耕文化傳播整理發(fā)布。