利用稀疏表达检测多幅图像协同显着性目标-西北工业大学学报导航页.PDFVIP

2013 4 Apr． 2013 年 月 西北工业大学学报 31 2 Journal of Northwestern Polytechnical University Vol． 31 No． 2 第 卷第 期 利用稀疏表达检测多幅图像协同显著性目标 ， ， ， 张艳邦 韩军伟 郭 雷 许 明 ( ， 7 10072) 西北工业大学自动化学院 陕西西安 : 。 摘 要 提出了一种利用稀疏表达检测多幅图像中协同显著目标的方法 首先用独立变量分析方法 ， ， K-L 训练得到自然图像一组稀疏基 接着求出检测图像的稀疏表达 然后定义了多变量 散度度量它们 ， ， K-L ， 之间的相似性 最后 根据 散度性质找出散度下降明显的地方 检测出多幅图像的共同显著性目 。 ， ， 。 标 实验结果表明 该方法正确有效 具有和人类视觉特性相符合的显著性目标检测效果 : ， ， ， ， ，K -L 关 键 词 算法 图像处理 独立变量分析 协同显著性 稀疏表达 散度 中图分类号:TP391. 4 1 文献标识码:A 文章编号:1000-2758 (20 13)02-0206-04 ， ， ， 计算机视觉的根本目标是让机器模拟人的视觉 的研究内容 相对于协同分割 它发展的比较晚 基 ， 。 。Chen 系统 实现对图像数据的语义级理解 在观看图像 本处于起步阶段 最先提出了协同显著性问 ［3］ ， ， ， K -L 2 。Li 时 人往往有选择性地注意其中的小部分区域 即所 题 以 散度测量 幅图像的相似程度 等 ( )。 ［4］ Cheng ［2］ 谓的显著区域 通常也称为前景或目标 如何让 人 最近提出了基于 的方法的协同显著值 计算机模拟人类的视觉注意机制能够自动预测图像 。 2 提取算法 该算法由单个图像中的显著区域和 幅 ， 中显著性区域成为近年来的研究热点 研究结果也 。 2 图像之间相互作用的显著图线性组合而成 在 幅