自然场景图像的显著区域检测算法研究

《自然场景图像的显著区域检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、自然场景图像的显著区域检测算法研究作者姓名孟珂导师姓名、职称张小华副教授一级学科控制科学与工程二级学科模式识别与智能系统申请学位类别工学硕士提交学位论文日期2014年11月学校代码10701学号1202121213分类TN82号TP39密级公开西安电子科技大学硕士学位论文自然场景图像的显著区域检测算法研究作者姓名：孟珂一级学科：控制科学与工程二级学科：模式识别与智能系统学位类型：工学硕士指导教师姓名、职称：张小华副教授提交日期：2014年11月ResearchonNaturalSceneImageSalientRegions

2、DetectingAlgorithmsAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByMengKeSupervisor:AssociateProfessorZhangXiaohuaNovember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的

3、研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复

4、印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要人类的视觉系统在面对复杂场景时，可以轻易并且高效的从中检测和提取感兴趣信息，并优先将这些感兴趣信息输送给意识。在计算机视觉领域，研究自然场景图像的显著区域检测算法，去模拟人类那种高效选择的注意机制，这个课题是非常有必要的。图像中的显著区域，指的是图像中最能够代表这幅

5、图像内容的部分，并且最能够引起人们视觉关注的部分。目前现有的算法普遍存在以下问题，一是不能均匀高亮整个显著区域，二是对于背景杂乱的图像没有很好的鲁棒性，三是显著目标大小未知带来的计算冗余。针对这些问题，本文提出两种自然场景图像显著区域检测算法。第一种方法是基于联合稀疏多尺度融合的显著区域检测方法，对图像构造多尺度高斯金字塔，得到多尺度的特征，然后应用联合稀疏表示的框架计算稀疏表示系数,把得到的稀疏表示系数作为新的图像特征计算图像的显著性最后把多尺度下的显著结果进行融合得到最终显著图。并对算法进行了仿真实验，实验结果展示了算法

6、的效能。第二种方法是基于超像素的全局显著区域检测方法，用SLIC超像素分割方法对于给定的输入图像进行分割，对分割之后的区域计算每个区域关于全局所有区域的相似度，每个相似度给予一定的相似性权值，加入图像局部邻域相似性的约束，对全局显著图进行修正。并对并对算法进行了仿真实验，实验结果展示了算法的效能。本文还介绍了两个应用。第一个是基于纹理特征的高分辨SAR图像典型地物分类，主要思想是构造灰度共生矩阵去分析图像内部的纹理信息，使用Bhattacharyya距离对特征进行筛选，并进行最后的分类。第二个基于非局部邻域的多时相SAR图像

7、变化检测，主要思想是应用非局部均值操作对图像中的每一个图像块进行处理，计算每个像素点的差异值。关键字：显著性检测，联合稀疏表示，多尺度融合，超像素分割，全局对比度论文类型：应用基础研究类I西安电子科技大学硕士学位论文IIABSTRACTABSTRACTWhenfacingacomplexscene,thehumanvisualsystemcaneasilyandefficientlydetectandextractinformationinterested.Thoseinterestedinformationhavethep

8、rioritytobedeliveredtohumansense.Itisnecessarytoresearchonsaliencydetectionalgorithmstosimulatehumanselectingvisualsysteminstudyofcomputervision.