多尺度视觉显著性检测方法的比较与分析
【摘要】考虑到多媒体信息科技的快速发展，图像早已变成了一种至关重要的信息媒介，不断增加的图像数据使人为
处理变得十分困难。在图像处理与分析方面，人眼所密切关注的区域通常只占图像中的一小部分，被叫做是显著区域。也就是在较短的时间之内，人的视觉系统把注意力集中到图象中能够激起人们兴趣的区域。若对不一样的图像区域采取不一样的的优先处理，不但能大大减少运算量，而且还能够提高运算速度。本文主要是介绍Itti算法，然后在原有的基础之上融合了轮廓信息，即利用Sobel算子提取边缘信息，然后对得到的结果再次做和Itti算法相关的工作，这主要是利用了轮廓信息的方向和亮度特征，得到的结果较之于原本的结果有所改进。
【关键词】视觉注意；Itti算法；Sobel算子；视觉显著
1绪论 2
1.1研究背景以及意义 2
1.2国内外研究现状 2
1.3本文研究内容以及章节安排 2
2视觉注意机制的理论基础 3
2.1视觉信息的产生 3
3自下而上视觉注意模型——Iti模型 3
3.1Itti模型框架 3
3.2高斯金字塔 4
3.3初级视觉特征提取 6
3.3.1亮度特征的提取 6
3.3.2颜色特征的提取 6
3.3.3方向特征的提取 7
3.4中央周边差分操作 7
3.5归一化操作 8
3.6显著图的生成 8
3.7注意焦点转移机制 9
3.7.1注意区域选取 9
3.7.2抑制返回机制 10
3.8实验结果 10
4改进后的Itti模型 1
4.1加入轮廓信息模块的Itti模型 1
4.1.1Sobel算子 12
4.1.2实验结果 13
4.2融入轮廓信息和特征自适应阈值的Itti模型 14
4.2.1特征自适应阈值 14
4.2.2实验结果 15
5总结 16
1绪论
1.1研究背景以及意义
视觉显著区域检测技术是一种新型的无损图像处理方法，主要是利用计算机设备来采集、分析和处理对象，它可以有效地提高工作效率。在一些复杂环境下使用该算法时还需要考虑其是否有缺陷或者其他因素。因为人类对于事物感知能力和观察力有限，所以人们一般只能通过肉眼来获取外界信息，而不能直接获得外部数据等特征；视觉显著区域检测技术具有快速高效的特点，并且能够将图像中重要属性进行保存、分析以及处理，还能够实现对外界环境信息数据和特征的提取。该方法不但可以克服常规成像方法的不足，还可以提高工作效率和质量水平(刘思远，王嘉琦，2022)。这在一定水平上揭示同时其可以应用于很多工业生产中去，比如：环境监测系统、产品检验与控制、食品安全方面等等都需要在视觉明显区域范围内进行操作。因此，在日常生活中被广泛应用于各个领域当中去观察和识别各种事物，并获取有用信息以获得更好地发展与进步，所以，该方法在各方面都具有很大的重要意义。
1.2国内外研究现状
从国内外视觉显著区域检测的研究成果和应用实例可以看出这些研究成果具有很大价值；而且随着近些年来计算机图像处理理论与实际工程相结合，在一定程度上促进了视觉显著区域检测算法的发展。
当前，国内国外在视觉显著性的探索上，曾经有许多的专家提出了不同的检测方法。南州大学iLab实验室的Itti教授和他的弟子Siagian等人，在攻读博士时期的首要事务恰恰是研究受生物学启发的机器人的视觉定位。2006年，Kochlab和J.Harel,提出了一个图像的视觉显著性检测方法12。2007年，Hou等人提出了一种采用频域的方法来进行显著性检测的方法：SR(spectralresidual)算法3。Hou等人分析研究了图像频域log谱包含的光谱残差信息，这在一定程度上揭示他们发现不一样的图像竟然有着相似的分布趋势的频域log幅度谱(陈立鹏，李俊杰，2023)。这种相似性说明图像中存在多余的信息，清除这部分多余的信息获得的便是引起人类视觉系统关注的显著信息(张雨晨，赵梓阳，2021)。在本文的研究过程中不可避免地遇到了一些挑战和局限，例如在应用已有的理论框架时，尽量考虑其适用性和局限性，并尝试通过实证数据进行验证和优化，这仍然是一个持续改进的过程没过多久，复旦大学的教授LimingZhang以及ChenleiGuo,基于频谱残差算法(SpectralResidual),提出了基于相位谱方法(PhaseSpectrum)的显著性检测方法4]。20