GPU上的顯著性區(qū)域檢測(cè)并行方法.pdf

1、顯著性區(qū)域是指圖像中最優(yōu)先得到關(guān)注的區(qū)域?？煽康娘@著性區(qū)域估計(jì)對(duì)許多計(jì)算機(jī)視覺處理任務(wù)都具有非常關(guān)鍵的作用，其中包括人臉識(shí)別、圖像壓縮、自適應(yīng)分割、物體追蹤和圖像檢索等。目前的顯著性區(qū)域檢測(cè)算法都是根據(jù)定義計(jì)算圖像的顯著性值，再使用固定閾值或者自適應(yīng)閾值的方法對(duì)圖像進(jìn)行顯著性區(qū)域的分割。在實(shí)際的使用中，這些算法通常比較耗時(shí)，無法達(dá)到實(shí)際任務(wù)處理的要求。同時(shí)，大部分算法沒有對(duì)顯著性區(qū)域特征標(biāo)記，當(dāng)輸入圖像包含較多噪聲時(shí)，檢測(cè)的準(zhǔn)確率較低。

2、為了解決這些問題，本文提出了一種基于GPU的能夠抗噪的顯著性區(qū)域檢測(cè)與標(biāo)記方法，它能夠在極短的時(shí)間內(nèi)檢出圖像中的顯著性區(qū)域并計(jì)算區(qū)域的最小有向包圍矩形進(jìn)行標(biāo)記。
　　本文算法可分為四個(gè)基本階段。首先，使用基于局部直方圖的圖像縮小算法將圖像N倍縮小并使用廣義中值濾波平滑。使用雙線性插值算法對(duì)上一步得到的圖像N倍放大并對(duì)其進(jìn)行雙邊濾波。原圖與濾波后圖像進(jìn)行差分操作，得到的圖像即為顯著性圖像。使用局部聚類算法對(duì)顯著性圖平滑，使用區(qū)域生長(zhǎng)

3、方法標(biāo)記其中的顯著性區(qū)域并分割。最后計(jì)算分割區(qū)域的凸包得到顯著性區(qū)域的最小有向包圍矩形。
　　文章結(jié)合當(dāng)前先進(jìn)的理論給出了一種易于實(shí)現(xiàn)且能夠滿足實(shí)際任務(wù)處理需求的并行顯著性區(qū)域檢測(cè)方法。實(shí)驗(yàn)表明在處理三十萬像素圖像的性能對(duì)比中，本方法僅需要30ms即可完成顯著性區(qū)域檢測(cè)和標(biāo)記。方法在公開圖像測(cè)試庫中具有較好的準(zhǔn)確率和召回率。該方法已成功應(yīng)用于流水線上的晶體管產(chǎn)品質(zhì)量自動(dòng)檢測(cè)。同時(shí)，方法還使用GPU的紋理存儲(chǔ)對(duì)圖像數(shù)據(jù)的快速讀取的特