图像兴趣区域特征提取算法设计.docx

摘要:人类接收信息的渠道多种多样，其中重要的一种就是通过视觉接收信息，然后将收到的信息进行整合与进一步的处理，让我们更好的感知世界。在视觉显著性分析范畴之内,存在一种图像的显著性区域检测，它把视觉注意机制很好地接入到计算机对于图像的处理中,通过筛选出人眼观察中所认为的显著区域,在减少计算机数据处理量，做出了突出的贡献。

而现在能够实现图像显著性分析的算法主要分为两类：第一类是以低级视觉信息为基础，自底向上，由数据驱动的注意模型;第二类是以于高层视觉信息为主导，进行自顶向下的,由知识驱动的注意模型。本文主要研究的是一种基于频域的显著性检测模型—SR算法（剩余谱算法）。那么如何将图像显著区域精确地提取出来？该算法认为图像中的信息分为两部分：显著信息和冗余信息，利用此算法把原始图像进行缩小，并变换到频域上，并对所得到的Log幅度谱采取均值滤波处理，然后对幅度谱作运算，即将其与滤波前的Log幅度谱进行差值计算，将残余谱经过傅里叶反变换进一步得到时域的显著图，以此达到抑制大量图像中所共有的冗余信息的目的。文章的最后给出了本模型的实验仿真结果，通过这些结果来检验该模型的性能。

关键词：视觉信息；显著性区域检测；计算机数据处理；显著性分析；SR算法

目录

摘要

Abstract

1绪论-1

1.1论文的研究背景与意义-1

1.2 国内外研究现状-2

2 算法模型介绍-4

2.1研究现状-4

2.2Itti模型-4

2.3 Stontiford模型-7

2.4 HOAM模型-8

3 剩余谱方法（SR算法）-10

4 算法与仿真结果-12

4.1算法设计流程-12

4.2仿真过程-12

总    结-18

参 考 文 献-19

致    谢-21