一種圖像感興趣區(qū)域提取方法研究

王 誠，范向陽

(南京郵電大學 通信與信息工程學院，江蘇 南京 210003)

一種圖像感興趣區(qū)域提取方法研究

王 誠，范向陽

(南京郵電大學 通信與信息工程學院，江蘇 南京 210003)

關于圖像感興趣區(qū)域(ROI)提取，改進的Stentiford視覺模型方法與傳統(tǒng)的Stentiford視覺模型方法以及其他視覺模型方法相比，具有提取的圖像區(qū)域清晰、邊緣明顯、效率高等優(yōu)點，但在圖像背景較為復雜時，會提取到目標區(qū)域以外的區(qū)域。鑒于實際研究中對準確度的要求，需要從已提取區(qū)域中挑選出目標區(qū)域。為此，在所涉及的圖像處理過程中，提出了多種圖像新特征的提取方法，并引入數(shù)據(jù)挖掘領域中的經(jīng)典FP-Growth算法，在改進的Stentiford視覺模型方法對訓練集圖像處理后，提取圖像顯著熵、顯著熵密度等眾多圖像特征，并應用FP-Growth算法挖掘圖像特征和目標區(qū)域的關聯(lián)規(guī)則，同時將獲取到的規(guī)則應用于測試集的大量實驗驗證之中。實驗結(jié)果表明，采用了所提出的方法后，提取到的圖像區(qū)域準確度有顯著提高，表明該方法是可行有效的。

圖像感興趣區(qū)域;Stentiford視覺模型;FP-Growth算法；圖像特征

0 引 言

基于人眼視覺模型的人眼感興趣區(qū)域提取有多種經(jīng)典方法，例如Itti視覺模型[1]、GBVS視覺模型[2]、譜剩余模型[3]、Stentiford模型[4-5]等。通過對比，Stentiford模型提取的效果最為清晰和準確。但是Stentiford模型有提取結(jié)果隨機性過大，對圖片細節(jié)過于敏感，計算量大造成耗時等問題。為此，對Stentiford方法加以改進。

雖然改進的Stentiford方法明顯提高了圖像提取的質(zhì)量和效率，使得提取的圖像區(qū)域清晰，邊緣明顯，但同時也帶來了新的問題。……