自适应融合局部和全局稀疏表示的图像显著性检测

王 鑫，周 韵，宁 晨，石爱业

(1.河海大学 计算机与信息学院，南京 211100； 2.南京师范大学 物理科学与技术学院，南京 210000)

0 引言

随着信息技术的不断发展，人们拥有的数据资源越来越多。其中，图像资源因其直观性，出现了前所未有的增长速度，然而随之而来的信息冗余问题也成为了图像处理的新增难题。神经学和心理学研究专家指出，视觉显著性是人类视觉中非常重要的一个机制，它通过过滤人眼所及之处的冗余信息，突出人们最感兴趣(即显著性)的目标，从而减小信息的冗余度。通过模仿该机制，计算机视觉专家提出了图像显著性检测技术，目前该技术在图像自动裁剪[1]、视频压缩[2]、图像检索[3]、图像分割[4]、目标识别[5]和图像分类[6]等领域得到了广泛的应用。

通过对生物视觉的研究发现，人眼和大脑在处理场景信息时，有两种模式。第一种是，当我们不带任何目的去观察周围的环境，纯粹只是浏览时，环境中与其他背景差异过大的部分会牢牢抓住我们的眼球，吸引我们的注意力，而背景则会被选择性忽略。另一种模式是，如果我们带有目的性的去审视周围的环境时，那么我们更加倾向于找到与目标相关的信息，而忽略其他不相关信息。这两种视觉模型都是大脑处理信息的有效模式，前者没有任务驱动，大脑自动选取感兴趣的区域，减少冗余信息；而后者则是带有目的的寻找有用信息，去除不相干信息。根据大脑处理信息的这两种模型，在计算机视觉领域，图像显著性检测即可分为无任务驱动的自下而上(Down-up)模型和有任务驱动的自上而下(Top-bottom)模型。……