娄树旗毕业设计开题报告.pptVIP

毕业设计 题目：基于视觉显著性的图像分割方法 指导教师：陈小梅 学 生：娄树旗 2009级光电学院光电信息工程专业 主要内容： 一、选题背景和意义 二、课题相关国内外研究现状 三、课题任务 四、预计成果 五、进度安排 一、选题背景和意义 目前的图像分割方法有很多种（阈值、区域、边缘、小波、神经网络等），但是大多得到的分割效果不理想，显著区域不能很好地提取出来，要么是提取显著区域的一小部分，要么是提取出的显著区域带有背景信息。 显著区域是图像中最能引起人眼视觉注意的区域，它同时也是图像的主要内容。图像分割的主要目的就是提取出这部分显著区域以供进一步的研究。因而符合人类视觉习惯的图像分割才是有意义的。 基于视觉显著性的图像分割是指利用人类视觉注意机制生成的显著图进行图像分割的一种图像处理技术。 视觉注意机制是人类及其他灵长类动物一个重要的内在属性，能够帮助人类在大量视觉信息中迅速地找到显著的或感兴趣的物体，并忽略其他不重要的内容。 正是由于视觉注意机制这种类生物方法预期能够很好地得到人们所关注的区域，其结果符合人类视觉习惯，所以对它的研究也日益增多。目前国内外已经有相关方面的研究成果公布。 主要内容： 一、选题背景和意义 二、课题相关国内外研究现状 三、课题任务 四、预计成果 五、进度安排 二、课题相关国内外研究现状 Itti—基于多尺度多特征融合的计算方法； Ma和Zhang—基于对比度的计算方法； Hou和Zhang—基于频域的谱残余计算方法； Zhang和Jing—利用视觉显著性的图像分割； He等—一种随机的视觉显著性检测算法； 基于多尺度多特征融合的计算方法 先把输入图像表示为9层的高斯金字塔,其中第0层是输入图像,1到8层分别是用5×5的高斯滤波器对输入图像进行滤波和采样形成的,大小为输入图像 (n=1,2…8),然后把每一层图像分解为亮度、颜色和方向等一系列通道，同时，为了表示图像中不同大小的物体，特征提取可在不同的尺度上进行。 对金字塔的每一层分别提取各种视觉特征：亮度、红色、绿色、蓝色、黄色、方向，形成亮度金字塔I(σ)，色度金字塔R(σ)、G(σ)、B(σ)，Y(σ)和方向金字塔O(σ，θ)。其中，σ取值为0～8，分别代表9个不同尺度。 这样就把特征表示成为9个特征金字塔：亮度1个，颜色4个(分别是红色、绿色、蓝色、黄色)，方向4个(分别是4个不同的方向)。综合所有特征的显著性，就得到对应于输入图像的显著图。 但Itti等人的方法也有它自身的缺点，该方法生成的显著图只占了输入图像大小的1/256，即如果输入是幅640×320像素大小的图像，则得到的显著图只是40×20像素大小的区域。 二、课题相关国内外研究现状 Itti—基于多尺度多特征融合的计算方法； Ma和Zhang—基于对比度的计算方法； Hou和Zhang—基于频域的谱残余计算方法； Zhang和Jing—利用视觉显著性的图像分割； He等—一种随机的视觉显著性检测算法； 基于对比度的计算方法 首先调整输入图像的尺度以及进行量化等操作得到初始图像，然后计算初始图像中各像素的显著值。 该方法给出位置（x,y）处像素点的显著值的计算方法如式： 其中N表示点(x,y)处一个小邻域,p(x,y)表示Luv颜色空间中位置(x,y)处像素的特征值，q(m,n)则表示位置(x,y)的邻域N的平均特征值，d表示特征向量p和q的欧氏距离。 这种方法相对其他方法来说比较快，但也存在不足之处，方法中的参数对不同的图像不能有很好的适应性。 该方法检测出的图像轮廓效果的好坏主要与三个因素有关：第一个因素是对输入图像的调整;第二个因素是对输入图像的模糊程度;第三个因素是邻域N的尺寸。 二、课题相关国内外研究现状 Itti—基于多尺度多特征融合的计算方法； Ma和Zhang—基于对比度的计算方法； Hou和Zhang—基于频域的谱残余计算方法； Zhang和Jing—利用视觉显著性的图像分割； He等—一种随机的视觉显著性检测算法； 基于频域的谱残余计算方法 首先通过低通滤波和下采样的方法将输入图像的大小调整到64×64像素大小，得到低分辨率的初始图像。之后是谱残余R的获取，谱残余R的获得首先是通过对初始图像进行FFT操作，得到初始图像的频谱X(包括幅度谱和相位谱)，对幅度谱|X|取对数，得 ，接着对得到的 进行3×3的均值滤波操作，得到 。 将 与 相减即得到R，对R进行IFFT操作可得到显著图，最后再进行一次高斯模糊操作得到最终的显著图。 这里 ，“*”代表卷积。 相比于