基于紋理抑制和連續(xù)分布估計(jì)的顯著性檢測(cè).pdf

1、隨著信息技術(shù)的飛速發(fā)展,圖像數(shù)據(jù)的規(guī)模和復(fù)雜程度在不斷增加,大數(shù)據(jù)時(shí)代對(duì)圖像處理提出了新的要求。顯著性檢測(cè)技術(shù)作為圖像領(lǐng)域研究的熱點(diǎn)之一,逐步成為提高圖像數(shù)據(jù)篩選能力的重要途徑?；谝曈X(jué)注意機(jī)制的顯著性檢測(cè)技術(shù)對(duì)于研究信息處理、人工智能、計(jì)算機(jī)視覺(jué)等領(lǐng)域的發(fā)展有重要的意義。
　　首先介紹了顯著性檢測(cè)的基本理論,分析了視覺(jué)信息的傳遞過(guò)程以及兩種視覺(jué)注意機(jī)制模式。研究了經(jīng)典的Itti模型以及CA、GB、MZ、RC、SR五種典型的顯著性

2、檢測(cè)方法,并進(jìn)行實(shí)驗(yàn)仿真。
　　其次針對(duì)傳統(tǒng)的顯著性檢測(cè)方法易造成邊界模糊以及應(yīng)用中央-周邊差進(jìn)行圖像檢測(cè)時(shí),感興趣目標(biāo)的內(nèi)部紋理會(huì)破壞目標(biāo)的整體性的問(wèn)題,提出了一種基于紋理抑制和連續(xù)分布估計(jì)的顯著性檢測(cè)方法。先對(duì)圖像進(jìn)行雙邊濾波的預(yù)處理,以平滑目標(biāo)以及背景區(qū)域內(nèi)部的紋理擾動(dòng),保留目標(biāo)與背景之間的主要邊緣。再采用SLIC超像素分割算法,對(duì)圖像中具有相同特征的像素進(jìn)行分組,通過(guò)多維正態(tài)分布提取分割區(qū)域的特征,利用二范數(shù)Wassers