基于背景模型的显著性目标检测算法.pdf

48 |南I陆l_2014年．第10期 基于背景模型的显著性目标检测算法 ◇咸阳师范学院数学与信息科学学院陈征张艳邦张芬汪熊彭朝阳 基于人类视觉注意机制的特点提出了一种快速有效的检测显著性算法。首先对图像进行 了超像素分割预处理，根据图像背景的分布特点建立图像初始背景模型，然后，分析背景模 型的统计性特征，剔除背景中的显著性特征，更新背景模型。接着，通过计算颜色对比度计 算得到显著性特征。最后，在公开的图像数据库中测试本文的检测算法，实验结果表明本文 提出的算法具有很好的检测效果。 1引言 将图像中某一超像素的显著性定义为与背景区域中所有超像 视觉显著性是研究计算机模仿人类视觉选择性机制，自 素的距离之和，会产生误检现象，而只选择距离最近的超像 动检测出人们感兴趣的目标，而抑制那些不感兴趣的图像背 素又会容易造成漏检现象，因此，我们采用颜色特征最近的 景区域，感兴趣的目标就称为为显著性目标。对于视觉显著 若干个超像素参与特征计算。 上 ． 性的研究已经广泛应用于图像分割、目标检测、目标识别、 岛(f，，z)=∑D(e∥哦。) (1) 图像检索等计算机视觉的各个领域。 J=l 我们知道在一幅图像中边缘部分往往是图像的背景，图 其中：D(C，c；．)表示像素块C，。和c；．的颜色距离，这里我们选 择欧氏距离。 像的显著性目标一般处于图像的内部区域，根据这一理论 我们知道像素块e。在图像中的位置信息对其是否引起 Wei等”将边缘像素作为背景的先验知识提出了一种自底向上 人们的注意有很大影响，当它距离图像中心较近时，很容易 的显著性检测模型。然而，由于对于复杂背景的图像边缘像 引起我们的注意，而距离图像中心较远时，我们往往会忽视 素的不一致，显著性目标的像素可能在边缘出现，会造成漏 它的存在。因此，我们将(1)式更新如下： 检现象。我们已有的成果”1，在此基础上进行了推广，对将 土 (2) 内部区域和边缘区域中的部分超像素作对比，克服了Wei等川 ％(f，聆)=g(f)∑D(Cf∥喏。) ，=1 的不足，取得了较好的效果。 本文提出了基于背景模型的自底向上的显著性检测算 其中：O，_)，)第i个像素块的中心坐标，(％，y0)是图像中心的坐 法。首先，对图像进行了预处理，在Lab颜色空间中应用 标，疋和或是对应的控制参数，与图像的大小有关，当最和玩较大 SLIC算法将图像分割成为互不相交的超像素，然后，根据人时，增强的区域较大，适应于图像尺寸大的图像，反之亦然。 眼注视的特点，由图像的边缘区域建立图像背景模型，接 3实验结果与分析 着，对背景模型更新，除去背景区域中显著性特征，最后， 为了测试我们的算法 选取Achanm等提出的公开的测 计算图像其余区域与背景区域的对比度，得到显著性特征。