图像显著性检测问题研究.docVIP

图像显著性检测问题研究 　　显著性检测问题来源于计算机模拟人类视觉，以期达到人眼对物体的选择能力，但是计算机视觉并没有形成统一模型，还有很大的发展空间。同时由于显著性检测在很多方面有着很高的应用价值，因此得到国内外学者的广泛关注。 　　本文首先介绍人类视觉感知系统和注意机制，然后分析了几种在显著性检测问题中常用的图像低级特征。 　　1.人类视觉感知系统和注意机制 　　神经心理学研究表明，人类视觉感知系统能够在分析杂乱的场景中准确、快速的定位到显著目标。这就要求人眼能瞬时的处理大量复杂信息、分析场景的局部和全局特征，具有高效性和实时性。 　　1.1 视觉选择注意 　　视觉选择注意是指人的先验信息和外界数据能够影响眼睛所关注的区域内容。通常情况下，人类视觉系统在非常复杂的场景中不可能感知视野内的所有场景内容，而是快速定位到自己感兴趣的目标。例如：人类为了寻找某种东西会自动关注到这样东西的具体特征，比如颜色、形状、大小、状态等。这就是因为视觉选择注意机制能够使人眼关注到自己期望的场景内容。 　　人类视觉的这种快速搜索到感兴趣目标的能力是由于人类大脑具有各种注意机制。这些注意机制包括：自顶向下注意和自底向上注意、空间注意、短暂注意和注意的抑制机制等[1]。这里有两个不同的概念：主动选择和被动选择。比如扔进水里的海绵的吸水过程就是一个被动选择的过程。而人脑的感知系统综合运用这两种选择来实现视觉选择注意功能，并且需要有选择的处理那些被动选择接受的信息。因此，主动选择是需要重点研究的内容[2-3]。 　　1.2 视觉注意理论知识 　　（1）自底向上选择注意和自顶向下选择注意 有两种方式在刺激视觉选择注意的过程中起了重要的作用：任务驱动和数据驱动。如一个人在开始寻找某件东西前就已经想好了要找的是形状、大小、颜色类似的物体，这样在寻找的过程中就会先看到与之想象相关的目标。这种由先验知识控制的注意被称为任务驱动的注意，也称为自顶向下的注意。自顶向下的注意需要客体根据期望、经验等努力的搜索，是一个缓慢的过程。再比如看一场晚会，灯光亮起，首先吸引人注意的是最亮的那个地方，这种注意就是客体仅受外在刺激的影响，并没有期望先看到灯光或是其他，这个过程就是数据驱动的注意过程，也被称为自底向上注意，它是一个快速的过程。在人类视觉注意过程中，数据驱动方式和任务驱动方式互相影响，综合作用。所以，选择注意依赖于客体是否有任务和外界刺激形式。 　　（2）空间注意 主动选择注意发生在一定的时间和空间上，那么聚焦点就是指空间选择性研究客体注意到的一个子集，它们代表了人类感兴趣的区域。对于聚焦点的研究，通常有以下几个问题：第一，研究者认为视觉从一个聚焦点转移到下一个聚焦点不需计算两者之间的距离。但是在转移中间是否存在停顿点的问题上存在分歧。第二，研究者在注意聚焦点是集中在一个点上还是同时在几个点上也存在很大分歧。 　　（3）注意的抑制机制 抑制机制在视觉注意的最后选择阶段起到了重要作用。它能提升感兴趣区域、抑制不相干区域、从干扰中选择出最感兴趣的目标、对几个感兴趣目标进行排序。而返回抑制机制是注意的抑制机制的一个核心，它是指视觉系统关注过一个目标后，要等待较长的时间才能重新返回到该目标上。 　　2.图像低级特征描述 　　在显著性检测模型中低级视觉特征起到了十分重要的作用，比如颜色、方向、亮度、纹理和边缘等特征，几乎所有的模型都用到了这几个或者其中几个特征来计算显著图。在这一节中将进一步对这些特征进行分析描述。 　　2.1 颜色特征 　　相对于其他视觉特征，人眼总是对颜色信息更加敏感，所以颜色特征在计算机视觉中尤其重要。有两种计算颜色特征的方法被广泛应用到显著性检测中：第一类是建立颜色直方图，然后对比直方图之间的差异，因为是颜色的统计量，所以此方法具有旋转、平移和尺度不变性；第二类是对图像进行分块，把每个图像块的颜色值取平均作为这个图像块的颜色值，然后再跟图像中其他块进行对比，以此得到的结果作为颜色显著度。 （5） 　　2.4 纹理特征 　　纹理特征是指在图像中某一区域内有规律排列的图案，反映了图像自身的特性。可以使用纹理特征来表示图像某个区域的均匀、粗糙、细致等现象，它是图像灰度等级的变化，与空间统计相关。计算纹理特征的方法主要有两种：第一类是共生矩阵纹理特征，该方法首先建立一个基于像素之间距离和方向性的共生矩阵，然后通过该灰度共生矩阵提取一系列纹理特征统计量；第二类是小波纹理特征，首先在每个尺度上把二维信号分解成四个子波段，用各个波段的每个尺度上能量的标准差和均值作为特征。小波变换是一种常用的纹理特征表示方法，适用于方向性较强的纹理结构。 　　3. 总结 　　本文阐述了人类视觉机制的原理，主要讨论了显著性检测模型的传统思路、显著性检