Keywords   Significant  image analysis   Fourier transform   SR   HFT  MCA

目 次

1 引言 1

1。1 研究背景和意义 1

1。2 国内外研究现状 2

1。3 本文的安排 4

2 傅立叶变换在图像显著性检测中的应用 6

2。1 傅立叶变换的数学公式和原理 6

2。2 傅立叶变换在图像显著性检测中的应用 7

3 频谱残差对于显著性分析的作用 10

3。1 SR 模型的原理及实现 10

3。2 PFT 模型的原理及实现 15

4 超复数傅立叶变换显著性检测算法及其改进 18

4。1 HFT 模型的原理及实现 18

4。2 基于元胞自动机的多尺度显著图融合 23

结 论 30

参 考 文 献 31

本科毕业设计说明书 第 I 页

1 引言

1。1 研究背景和意义

信息时代的到来，大量的数据应运而生。在膨胀式增长的数据信息中，90%的信息是 需要利用视觉来处理的，图像这一形式不仅能直观快速地传递信息，更是满足了人的视觉 需要。所以随着各种电子产品的飞速发展，图像越来越多地被应用到各个领域。伴随而来 的是图像数量的快速增多，图像传达的信息日趋复杂。并且在视觉领域上，图像或是由图 像组成的视频，在清晰度方面也要求越来越‘高清’，即对图像像素要求的逐渐增大，目 前计算机的并发处理、存储空间、计算速度等性能已经不能满足图像处理的需求了。论文网

在此基础上，我们需要对图像进一步研究，以便能充分且高效地利用图像信息。阅读 相关论文，我们知道，图像上的信息并不全是有用的信息，通常人眼所感兴趣的只是其中 的一小部分，即在有用性方面，图像信息是由冗余部分和有用部分构成。由于计算机的处 理速度比不上图像信息的增长速度，并且对图像中的全部信息都进行计算处理，显然是没 有必要且浪费资源的，为了高效地传递图像中的有用信息，我们需要将图像中的有用信息 提取出来，即本文所讨论的显著性区域检测。

人类主要是通过视觉处理信息，对于人眼来说，将要提取的目标从背景中分离出来是 再简单不过的事情，但对于计算机来说，要实现这个功能是非常复杂的。对图像的显著性 分析是建立在一定的算法模型上的。人眼的视觉注意力机制（Visual attention）[1]是最基础 的模型。视觉的检测模型，是建立在人类的心理特征、视觉特征的基础上的。常用的视觉 注意力机制，有中心-周围视觉机制（center-around）[2],侧抑制机制，它们能够利用自然 图像中目标与背景的不同，抓住目标中特有的属性，快速准确地从眼前的画面中定位出自 己感兴趣的目标。

图像显著性分析是图像处理的高级阶段，目的是使计算机能够像人眼一样识别图像， 因而首先得分析图像的特征。图像特征包括很多方面，根据分类有图像的灰度值、颜色特 征、纹理特征、运动特征和空间特征、频域特征。提取图像中的目标，首先得定位目标在 图像中的位置，其次得将目标区域和整体区域分离开来，所以显著性分析的核心还是图像 分割。

总而言之，研究图像的显著性，不仅能够方便快速地传递信息，还能更加合理有效地

利用和分配计算机资源。它在某些特定领域更是有着不容小觑的作用：在医学图像处理方 面，通过显著性分析能够将病变区域和周围组织分离开来；在图像检索、图像修复、地质 勘测、目标自动检测、图像分割、物体识别、图像和视频压缩等方面，图像的显著性分析 也起着一定的作用。文献综述