基于显着性检测的图像简化-云南民族大学学报.pdfVIP

云南民族大学学报：自然科学版，２０１６，２５（３）：２５７－２６３ ＣＮ５３－１１９２／Ｎ　ＩＳＳＮ１６７２－８５１３ ｄｏｉ：１２．３９６９／ｊ．ｉｓｓｎ．１６７２－８５１３．２０１６．０３．０１３ ｈｔｔｐ：／／ｘｂｙｎｎｉｅｄｕｃｎ 基于显著性检测的图像简化 刘　浩，罗　斌，张良培 （武汉大学测绘遥感信息工程国家重点实验室，湖北武汉４３００７９） 摘要：图像简化作为机器视觉、计算机视觉中的一项重要任务，对于提高网络传输效率、加速视 觉算法分析处理具有重要意义．针对传统图像简化模型中存在的目标、背景不加区分及尺度效应 等问题，提出了一种新的基于显著性检测的图像简化模型，模型首先采用ＭＢ＋显著性检测算法 计算图像的目标显著区域，然后在ＣＩＥＬａｂ颜色空间中对Ｌ波段上的背景区域进行快速水平集 变换，最后按照设定准则合并背景中的非主导区域并输出简化后的图像． 关键词：显著性检测；最小障碍距离；快速水平集变换；图像简化 中图分类号：ＴＰ３９１４ 文献标志码：Ａ 文章编号：１６７２－８５１３（２０１６）０３－０２５７－０７ 　　据统计，人脑８０％以上的输入信息依赖视觉感官［１］，图像等视觉信息在人类信息获取、加工处理、行为 判断等方面具有不可替代的作用．考虑到现实情况下通信带宽和信道容量有限，图像在传输前通常需要进行 简化处理以减少图像中不必要的信息．图像简化模型主要可以分为两大类，一类从信息论角度出发，主要目 的在于减少图像自身的信息冗余［２－３］，而缺乏对图像内容方面的关注；另一类融入了图像内容方面的考虑， 对目标和背景分别进行表达． 由于人类在视觉表达上具有高度的选择性，人眼眼球能够迅速地在不同的目标和背景之间进行切换，对 ［４－５］等压缩方案中允许用户设定感兴趣 图像中目标区域的细节表征能力远高于背景区域，因此ＪＰＥＧ２０００ （ＲＯＩ），将用户更为关注的ＲＯＩ采用高比特位数进行量化，相比之下不是很重要的背景区域采用低比特位数 进行量化，从而在保证一定图像质量的情况下尽可能减少图像文件的体积，减少对文件存储和网络传输的压 力．但是，ＲＯＩ往往需要人工事先进行标定，即人工实施分割处理，对于如今海量的图像数据库显然需要寻找 更好的自动化或半自动化处理算法．此外，由于人眼在场景注视过程中会优先选择具有显著纹理及形状特征 的区域，显著性检测就是模仿人眼的这一特性，发现图像中的纹理或形状显著区域，输出图像中目标的强度 ［６］ 分布图，可依此划分图像的目标区域和背景区域 ． 当前图像表达简化问题主要存在下面几个问题： １）传统图像简化模型缺乏对目标和背景进行区分考虑，而近来流行的基于ＲＯＩ的图像简化方法需要人 工事先确定ＲＯＩ； ２）基于分割的图像简化过程存在多尺度问题，可能对背景区域存在分割过细（过分割），而对目标区域 存在分割过粗（欠分割）现象． 针对图像简化模型中的目标背景区分问题，采用显著性检测算法模拟人眼注视过程提取图像中的显著 目标区域；针对分割过程中存在的多尺度问题，引入具有尺度自适应的快速水平集变换方法． 为解决上述问题，本文提出了基于显著性检测的图像简化模型．模型首先利用 ＭＢ＋显著性检测算法划 分图像的目标区域和背景区域，进而在ＣＩＥＬａｂ颜色空间中对图像背景区域在Ｌ波段上进行快速水平集变 换，并根据设定准则对背景区域中的非主导区域进行合并，以减少背景区域的类别干扰和数据量． 收稿日期：２０１６－０２－２９． 基金项目：国家自然科学基金６１２６１１３０５８７）． 作者简介：刘浩（１９９２－），男，硕士研究生．主要研究方向：计算机视觉与高性能视觉计算． 通信作者：罗斌（１９８０－），男，教授，博士生导师．主要研究方向：高光谱数据分析与高分辨率遥感图像处理． ２５８ 云南民族大学学报（自然科学版）　　　　　　　　　　　　　　　　第２５卷 １　基于显著性检测的图像简化 本文提出的基于显著性检测的图像简化模型主要分为３个步骤：首先利用显著性检测算法计算原始图