基于全局和局部信息融合的圖像顯著性檢測(cè)研究

張 昆

(惠州工程職業(yè)學(xué)院，廣東 惠州 516001)

人類(lèi)具有快速鎖定重要的視覺(jué)對(duì)象并進(jìn)行集中處理的視覺(jué)注意機(jī)制，將該機(jī)制引入到圖像處理過(guò)程中，能在降低計(jì)算機(jī)計(jì)算量的同時(shí)，有效提高計(jì)算機(jī)的選擇篩選能力，優(yōu)先分配資源給重要區(qū)域，最終提高整體圖像處理的效率。視覺(jué)注意機(jī)制包括自上而下和自下而上兩種，本文只研究自下而上的視覺(jué)注意機(jī)制[1]。

早期建立的自下而上的顯著性檢測(cè)模型均是基于空間域建立的。而近年來(lái)，部分研究人員開(kāi)始基于頻域著實(shí)建立顯著圖[2-6]。值得注意的是2007年[7-9]，Guo等基于仿射系數(shù)率先提出剪切波變換，并證明了該表示方法具有幾乎最優(yōu)的稀疏性[10]。對(duì)比剪切波變換和小波變換可知，前者可以最大化地使用原函數(shù)的幾何正則性，剪切波基具有近似長(zhǎng)條形的支撐區(qū)間，能夠僅使用較少的系數(shù)逼近奇異曲線。剪切波變化因此在圖像邊緣特征方面更具優(yōu)勢(shì)，且擁有更好的逼近精度和稀疏表達(dá)能力[11-15]。

基于多方向和多尺度的離散剪切波變換，本文建立了一個(gè)利用自下而上視覺(jué)注意機(jī)制進(jìn)行顯著性檢測(cè)的模型。該模型在各分解層重構(gòu)剪切波系數(shù)獲取各分解層圖像描述特征圖，并將各層細(xì)節(jié)信息匯總以實(shí)現(xiàn)多分辨率角度綜合衡量圖像的顯著性。此外，本文的模型除了效仿文獻(xiàn)[12]的思想獲取全局顯著性外，還加入熵計(jì)算概率密度分布，獲取并建立局部顯著圖。其局部顯著圖建立的核心思想是若局部區(qū)域和周邊分布一致性越高，熵值越大，相應(yīng)的顯著性越低；……