基于纹理分离和美学评价的图像显著性区域检测技术研究

摘要

随着互联网技术和多媒体技术的飞速发展，图像资源迅速积累并以几何级数增长，如何高效智能地处理这些图像数据成为研究的热点。近年来，图像显著性检测技术作为计算机视觉的一个方向发展越来越成熟。图像显著性检测是指智能算法通过模拟人的视觉特点标注出图像中的显著区域，即引起人类视觉注意的区域。目前的显著性检测算法能够自动识别出大部分自然图片中显眼的核心物体，生成灰度图或者二值图用以图像的后续处理操作，比如用于内容敏感的图像缩放、图像检索、图像目标识别以及图像裁剪等处理中，因此深入研究显著性检测技术对于图像处理和图像理解等都有非常重要的意义。
　　通过对现有的显著性检测方法的实验研究发现，当自然图片的背景含有较为复杂且显眼的纹理时，核心物体的检测会受到干扰。此外，目前的算法不能很好地检测动漫图片或卡通图片中的核心形象。本文针对上述问题，主要做了以下几个部分的工作:
　　首先对于背景中有较复杂纹理的自然图像，提出了一种基于纹理分离的显著性检测算法。算法中通过计算像素级别的对比度信息，在分离出纹理像素的同时保持图像的主要结构信息，降低纹理像素的显眼程度。算法极大地减少了复杂背景对于主体检测的干扰，与目前算法相比有较好的改善效果。
　　其次以越来越多的动漫图片资源为研究对象，分析了动漫图片的色彩、梯度、图像构成等基本信息，提出了一种基于美学评价的显著性检测算法。美学评价是利用一些指导性的构图原理来评估图片美学价值的一种方法。考虑到专业人员创作的动漫图片审美价值普遍较高，本文利用这种先验知识提出一种综合的美学评价方法，结合图像的梯度信息和初步显著性检测结果，对多尺度的信息非线性融合得到图像的重要度图。最终动漫图片的显著性检测效果相比于其他算法具有较大的提升。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究现状

1．3 研究内容

1．4 论文组织结构

第二章 相关技术介绍

2．1 图像显著性检测概述

2．2 图像显著性检测分类

2．2．1 基于生物学启发的检测

2．2．2 基于图论的检测

2．2．3 基于对比的检测

2．2．4 基于频率域的检测

2．3 图像显著性检测主要方法

2．3．1 Itti模型

2．3．2 GBVS模型

2．3．3 LC模型

2．3．4 RC模型

2．4 本章小结

第三章 基于纹理分离的显著性检测算法

3．1 引言

3．2 算法主要思想

3．3 算法描述

3．4 实验结果与分析

3．5 本章小结

第四章 图像美学评价技术研究

4．1 前言

4．2 美学评价基本原则

4．2．1 三分法原则

4．2．2 视觉均衡原则

4．2．3 对角优势原则

4．2．4 其他原则

4．3 基于区域的美学价值计算

4．3．1 三分法得分计算

4．3．2 视觉均衡得分计算

4．3．3 对角优势得分计算

4．3．4 美学综合得分计算

4．4 本章小结

第五章 基于美学评价的显著性检测算法

5．1 引言

5．2 动漫图片构成特征分析

5．3 算法主要思想

5．4 算法描述

5．4．1 图像区域划分

5．4．2 图像重要度图计算

5．5 实验结果与分析

5．6 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

攻读硕士研究生期间发表的学术论文

致谢