基于动态阈值的图像显著区域层次检测方法

摘要

显著区域检测是近年来非常活跃的研究方向。目前已经存在一些显著区域检测方法。这些方法主要有：基于对比的模糊增长方法、基于SVM的显著区域提取方法等。这些方法主要是研究图像中各个像素之间的关联关系，从而达到提取显著区域的目的。这些方法的主要问题是，没有考虑更多像素之间的相关性，因此，也无法得到令人满意的结果。 论文改进了基于层次的显著区域检测模型。把原始图像分层，首先针对每一层，计算显著性特征，然后再把各层的显著性特征值叠加，通过动态阈值获得最终的显著区域。 论文针对每一层，分别提取底层特征、计算显著性特征，包括：亮度显著性、饱和度显著性和色彩显著性。然后综合加权上述各个特征，得到较为合理的显著性。该改进模型综合考虑各个特征，可以减少噪音像素对显著区域检测的影响。 论文分析了图像的概率特性后，提出了用二维正态分布函数表示图像像素间的相关性的方法。该方法可以保证显著区域提取的连贯性，也综合考虑了像素间的关系，能减少噪音像素对显著区域提取的影响。 把各层计算所得的结果叠加，考虑到图像的统计特点，通过引入动态阈值，得到最后的显著区域。动态阈值方法不受原始图像的影响，有较好的适应性。我们将此方法应用于真实图像，得到了令人满意的检测结果。

目录

文摘

英文文摘

致谢

1 绪论

1.1课题背景

1.2课题的意义

1.2.1在视频检索方面的意义

1.2.2对视频分类的意义

1.2.3图像信息的分类

1.3显著区域提取的研究现状

1.4本文的组织

2 检测模型

2.1主要的检测步骤

2.2其它的边缘提取的方法

3 显著性计算

3.1底层特征提取

3.1.1亮度特征提取

3.1.2饱和度特征提取

3.1.3彩色通道提取

3.2显著性特征计算

3.2.1亮度显著性和饱和度显著性的计算

3.2.2色彩显著性[13]计算

3.2.3特征综合计算

3.3计算图像显著性

3.3.1正态分布特点

3.3.2使用二维正态分布处理像素间的相关性

4 用动态阈值提取显著区域

4.1灰度直方图

4.2区域分割方法讨论

4.2.1全局阈值

4.2.2双阈值方法

4.3动态阈值方法

5 实验结果

6 总结与展望

6.1 总结

6.2展望

参考文献

作者简历

独创性声明及学位论文版权使用授权书