基于注意力機制的圖像顯著區(qū)域提取算法分析與比較.pdf

1、基于生物感知的圖像顯著特征分析在二十世紀九十年代末興起，并逐漸成為生物視覺感知領域研究的焦點。該方法結合人類心理學和生理學理論知識，基于人類視覺注意機制，模擬人眼機能建立圖像顯著性提取模型。視覺顯著性特征提取作為一項獨立的技術，可以幫助我們更好地分析和理解數(shù)字圖像。提取圖像顯著性的研究是一個圖像分析，特征提取和探索人類視覺特性的綜合過程，對各種基于圖像分析和理解的應用都有著非常重要的意義。本文的工作是分析各種顯著圖生成模型，實現(xiàn)基于注意

2、力機制的顯著圖生成算法，開發(fā)算法實現(xiàn)與比較系統(tǒng)，并進行結果分析。
　　 本文分析五種顯著圖生成算法。Itti模型是典型的基于空間的注意模型，它對一幅輸入的圖像提取顏色、亮度、方向等特征，然后在各個特征維上形成關注圖，最終融合這些關注圖為顯著圖；SMG(Saliency map generation)算法是一種“尺度內中心周邊對比，尺度間插值融合”的基于特征的注意模型；HC(Histogram-based Contrast)算法是

3、基于直方圖對比的顯著圖生成算法；RC(Region-based Contrast)算法是基于區(qū)域對比的顯著圖生成箅法，該算法使用分割算法將圖像分割成區(qū)域，在區(qū)域級上進行基于顏色直方圖的顯著值計算；FT(Frequency-tuned)算法是基于頻率調頻的顯著圖生成算法，并且增加了邊緣檢測。
　　 基于以上的研究工作，本人對基于注意力機制的顯著性特征提取理論進行了梳理，重新實現(xiàn)Itti算法和SMG算法。然后根據(jù)算法提取顯著區(qū)域的準