基于視覺顯著性的圖像分割問題概述

王媛媛 左圓圓 劉冠瑀

首都經濟貿易大學 管理工程學院 北京 豐臺 100070

引言

隨著人工智能技術的發展，對于機器視覺中的視覺顯著性檢測問題[1]已經成為研究的熱點，視覺顯著性應用的范圍也已經十分廣泛[2]，目前比較多用于視頻圖像的運動目標檢測、圖像信息的檢索、圖像編輯、圖像分割[3]等。

目前，很多學者致力于視覺顯著性和圖像分割的研究，已經有很多理論方法提出被驗證。Zhang等[4]提出了一種基于字典學習和圖像分割的圖像融合算法，能較好地保存圖像信息提高圖像對比度。Liang等[5]提供了全局信息補充了局部對象信息，并通過眼動跟蹤和鼠標跟蹤來收集注視數據。RuichaoHou等[6]針對現有問題，提出了一種基于視覺顯著性和多目標人工蜂群優化的尖峰皮層模型。M.MunawwarIqbalCh等[7]提出了一種利用顯著映射和交叉雙側濾波器進行磁共振和計算機斷層源成像的圖像融合技術，在邊緣、顯著性和結構信息方面均優于現有方案。

本文通過首先提取底層圖像特征，根據底層特征進行顯著性特征的度量，選擇顏色分布直方圖[8]的峰值作為顯著性檢測依據，利用二值化圖像與原始圖像對目標進行分割，達到顯著性檢測分割圖像的目的。

1 特征提取

本文的方法主要分為兩部分，先對圖像的顯著性進行檢測，再在顯著性的基礎上對圖像進行分割。選用的是計算顏色分布直方圖作為計算顯著性依據。選用的測試圖像中的紅色區域即為顯著性區域，計算顏色分布直方圖，對圖像中顯著性最大的區域進行檢測分割。

底層特征提取，圖像中的顯著區域指的是與周圍環境的差異較大能夠被人眼顯著識別的區域，圖像中的信息包含很多固有屬性，這些屬性中至少有一種特征與環境的差異能夠凸顯該區域，對于不同特征于不同圖像中的顯著性是不同的。根據相關文獻提取顏色特征，HSV顏色空間更加適合人類視覺系統將原始RGB圖像轉換成HSV顏色空間。顯著性特征提取選取原始圖像中的色彩特征作為顯著性的特征，其在圖像顯著性檢測和圖像分割問題上被廣泛應用，它代表該幅圖像中所有顏色所占整幅圖像色彩的比例，對于色彩分布的位置是無關因素，適用于背景復雜、色彩明確、難以進行自動分割的圖像數據[9]。

2 圖像分割

對原始圖像依據顏色分布直方圖進行顯著性檢測，根據得到的顯著圖，選擇合適的閾值對其進行閾值分割，并將圖像二值化。其中顯著性區域是白色，背景區域是黑色[10]，根據二值化圖像，對原始圖像進行處理，能夠得到想要分割的前景目標區域。

3 實驗結果

實驗結果如下圖1所示，對于紅色顯著前景區域的分割效果符合對圖像顯著性區域分割的要求。

圖1 部分圖像分割結果

4 結論

文章選用HSV顏色空間，提取底層顏色特征，計算顏色分布直方圖，作為圖像顯著性檢測依據，對顯著圖進行閾值分割，得到二值化圖像，對原始圖像進行前景和背景的分離。由于選取的實驗數據具有明顯的顏色特征，目標明確，背景盡管復雜但是分割的效果較好，日后對于背景復雜、顏色特征不明確的圖像的進一步研究是未來的方向，得到更加具有適用性和魯棒性的視覺顯著性分割算法。