基于纹理抑制和连续分布估计的显著性目标检测方法

邓 丹，吴 谨，朱 磊，刘 劲

（武汉科技大学 信息科学与工程学院，湖北 武汉430081）

1 引 言

人类视觉系统提取出视觉场景中感兴趣的区域的过程包含两个阶段。首先是一个自底而上的，快速的，由数据驱动的过程。接着是一个自顶而下的，慢速的，由知识驱动的过程。在第一个阶段中，由于整个处理只与观察的场景有关，具有较高的客观性，近几年来在图像处理领域被广泛地研究。

图像显著性研究方法主要有3类：像素、固定块和区域。2007年，Hou等人［1］提出了显著性检测的一个谱残差的方法，该方法主要是通过计算增量编码长度来测量信息熵增益，但是这种结构的前提是图像必须具备相对复杂的背景。同年Harel等人［2］提出一种基于图的视觉显著性，该方法主要是在显著性区域检测中应用马尔可夫链的平稳分布作为图像的显著性度量。2009 年Achanta［3］提出一种调频显著性检测方法并于2010年对该方法进行了改进，该方法主要是通过在每一个像素上计算当前像素的颜色以及亮度与全图像的平均颜色及亮度的差异来去除低频部分（模糊部分）。Goferman等人［4］在2011年提出一种基于上下文的显著性检测方法，该方法使用局部对比，结合显著区域的上下文信息检测出现显著对象。在众多的显著性检测方法中以Itti算法［5］最为典型，该方法通过中央－邻域差异算子（Center－surround differences）进行多尺度显著性度量并将度量结果合并成一幅显著图。

中心－邻域差异性被证明是目标之所以显著的首要原因，受到该原理的启发，很多文献提出了他们的显著性检测方法［6－7］。……