1、視覺(jué)是人類感知世界和認(rèn)識(shí)世界的最主要方式。人類視野中獲取到信息往往非常豐富，這些信息給予視覺(jué)系統(tǒng)多樣化的刺激，通過(guò)神經(jīng)系統(tǒng)的支配，它們相互影響、融合，形成了人的視力。人們能夠快速的從復(fù)雜的場(chǎng)景中精確定位到自己感興趣的區(qū)域或目標(biāo)，并在腦海中對(duì)其形成整體映像，計(jì)算機(jī)對(duì)這一過(guò)程的仿真稱為視覺(jué)顯著性分析。簡(jiǎn)單來(lái)講，顯著性分析就是對(duì)場(chǎng)景中對(duì)象吸引視覺(jué)注意力能力的描述。
　　作為計(jì)算機(jī)中最主要的視覺(jué)載體，數(shù)字圖像中存在著大量的冗余信息，其最重

2、要的內(nèi)容往往只集中在一些小的關(guān)鍵區(qū)域，這些區(qū)域最能吸引人的注意，也最能表征圖像內(nèi)容，被稱為顯著性區(qū)域或感興趣區(qū)域。高效的對(duì)這些區(qū)域進(jìn)行檢測(cè)、提取并表示，具有重要的應(yīng)用價(jià)值。近年來(lái)，以圖像顯著性區(qū)域檢測(cè)為基礎(chǔ)的視覺(jué)計(jì)算模型蓬勃發(fā)展，逐漸成為一個(gè)熱門(mén)的研究方向。
　　本文主要介紹圖像顯著性區(qū)域提取的相關(guān)技術(shù)理論，所做的具體工作包括:
　　1.提出了一種基于全局對(duì)比的顯著性區(qū)域檢測(cè)方法。利用自適應(yīng)大小的圖像分塊技術(shù)分割圖像，以顏色

3、、分塊相似性和空間位置關(guān)系作為基本特征，計(jì)算多分辨率下圖像中各像素的顯著程度。通過(guò)插值算法對(duì)各分辨率下圖像的顯著性進(jìn)行融合，得到規(guī)一化的顯著圖，最后以閾值法提取顯著性區(qū)域。由于算法在計(jì)算顯著性時(shí)已經(jīng)對(duì)圖像進(jìn)行了合并，所以在顯著圖生成后不需進(jìn)一步分割。相比現(xiàn)有的各種基于對(duì)比的算法，該算法簡(jiǎn)單快速，計(jì)算復(fù)雜度低。同時(shí)，實(shí)驗(yàn)結(jié)果表明，本文算法提取效果相比CA算法和RC算法有所提高，更加符合人類的視覺(jué)注意機(jī)制，更好地匹配了眼動(dòng)數(shù)據(jù)參考模板。

4、r>　　2.提出了一種基于多尺度濾波的頻域顯著性區(qū)域提取方法。首先對(duì)圖像進(jìn)行多尺度建模，在高尺度空間，利用高斯拉普拉斯濾波器對(duì)原圖像帶通濾波，保留圖像中清晰的輪廓信息，而在低尺度空間通過(guò)傅里葉變換對(duì)圖像幅度譜的剩余譜差分均值濾波，突出區(qū)域的整體性，之后，分別計(jì)算每一尺度下圖像的視覺(jué)顯著性，并且引入權(quán)值函數(shù)歸一化得到圖像的顯著圖，最后利用改進(jìn)的K-means聚類方法對(duì)顯著圖進(jìn)行分割，閾值化后生成顯著性區(qū)域。與已有的各種頻域方法相比，本文算