基于C语言的感兴趣区域提取算法研究

 2021-12-28 08:12

论文总字数:22877字

摘 要

感兴趣区域在图像处理、目标识别、图像存储方面都有很大的应用价值,本文着重介绍了已有的可提取感兴趣区域的光谱残留模型,并注意到该模型忽略了图像本身的空间域特征,因此,考虑了图像的颜色和亮度特征,提出了颜色模型和亮度模型,并与谱残留模型叠加形成了同时考虑图像频域特征和空间域特征的综合模型。

为测试模型的可靠性和实用性,利用C语言以及OpenCV库编写程序实现模型,并设计了评估模型所得的感兴趣区域的算法,对该模型做出了定量、客观的评价,经测试,将颜色模型和亮度模型加入谱残留模型,一定程度上弥补了谱残留模型的缺陷,提高了其应用范围。所得到的综合模型是高效、可靠且快速的感兴趣区域提取模型,与传统的Itti模型相比,无论是可靠性还是实时性方面,都有很大的优势。

进一步,我们考虑到视频的处理,提出了运动模型,与图像的综合模型相结合,再次扩大了模型的应用范围,使得视频感兴趣区域的提取成为可能。

关键字:感兴趣区域,模型,谱残留,颜色,亮度,运动

The Detection Of ROI Basing On C Programming Language

Abstract

ROI has great application value in picture processing, object identification and image storage. In this thesis, an existing spectral residual model that can extract ROI neglecting the spatial futures of image was introduced seriously. So, in view of the color and brightness futures, the color model and brightness model were established, and superposed with spectral residual model, a comprehensive model considering characteristics both in frequency and space domain was built up.

To test the reliability and practicability of the comprehensive model, the model was realized based on C programming language and OpenCV. An algorithm to evaluate the model was designed, which can estimate the model quantitatively and objectively. Adding the color model and brightness model into spectral residual model remedied the defect of itself, expanding its application range. It was tested that comprehensive model is efficient, reliable, and fast to extract ROI. Compared with traditional Itti model, it had prodigious preponderance in reliability and instantaneity.

Further, in consideration of the video processing, the motion model was put forward. Combined with the comprehensive model, the possibility of extracting ROI of video comes true, expanding the application range of the comprehensive model.

Key Word:ROI, model, Spectral Residual, color, brightness, motion

目 录

摘要 I

Abstract II

目 录 III

第一章 绪 论 1

1.1 引言 1

1.2 感兴趣区域研究现状 1

1.3 论文结构 1

第二章 感兴趣区域基本理论 2

2.1 图像的频域特征 2

2.2 图像滤波 2

2.3 人类部分视觉特征 3

2.1.1 亮度感知 3

2.1.2 颜色感知 3

2.4 Itti模型 3

第三章 ROI提取模型 4

3.1 谱残留模型 4

3.2 颜色模型 6

3.3 亮度模型 7

3.4 模型的综合 8

第四章 实验结果与模型评价 10

4.1 模型评价算法 10

4.2 分模型的实验结果 10

4.2.1 谱残留模型实验结果 10

4.2.2 亮度模型实验结果 12

4.2.3 颜色模型实验结果。 12

4.2.4 分模型的对比评价 14

4.3 综合模型的实验及评估 14

4.3.1 模型叠加实验 14

4.3.2 阈值选取实验 15

4.3.3 与Itti算法的比较 16

第五章 运动模型与视频处理 17

第六章 结 论 18

6.1 本文的主要内容 18

6.2 本文的创新部分 18

6.3 编程的工作 18

6.4 进一步的工作 18

致 谢 19

参考文献 20

绪 论

引言

随着信息社会的发展,数字图像作为一种优良的信息载体呈现爆炸式的增长。从国防军事到工业制造,从新闻媒体到大众娱乐,社会的各行各业对图像信息的需求越来越强,如何对庞杂的图像信息进行高效的存储和处理,如何从海量的图像信息中快速、准确的获取自己所需要的,已成为人们必须考虑的问题。

人眼视觉系统在面对比较复杂的场景的时候,可以快速将注意力集中到少数几个显著的对象上,并且优先处理它们。这样可以将有限的精力集中到需要重点关注的地方。

基于这个原理,人们提出了感兴趣区域(Region of Interest,简称ROI)的概念,即:人们在观察图像或者是视频的时候会注意到的区域。准确、快速的感兴趣区域提取算法不仅能够帮助人们进行图像检索与识别,高效的获取信息,还可以压缩存储图像所需的空间,更可以为后续的图像处理节省时间和减少工作量,使得在获取同等信息的情况下,节省了大量的资源。

感兴趣区域研究现状

感兴趣区域概念的提出已逾20年,国内外学者相继提出了不同的感兴趣区域的提取模型,根据是否携带观察任务来划分.人眼视觉注意机制分为bottom-up控制的预注意机制和top-down控制的注意机制。前者是由视觉刺激驱动的信息处理过程,属于低级、快速的认知过程:后者是由观察任务驱动的信息处理过程,通过调整选择准则来适应用户观察任务的要求,从而达到将注意集中于特定目标的目的,属于高级、慢速的认知过程。相应地,视觉注意模型分为bottom-up和top-down视觉注意模型。目前,视觉注意模型的研究主要集中于bottom-up模型,top-down模型的研究较少,且大都是通过调整bottom—up模型后得到的。Bottom—up视觉注意模型已有了一些经典的模型,有Itti等人的视觉注意模型、Fred.W.M.Stentiford在2003年提出的Stentiford模型以及2007我国侯晓迪博士提出的光谱残留模型。本文末的参考文献中有对上述模型的具体分析,在此不做赘述[1-3]

论文结构

第一章介绍了课题的感兴趣区域的研究背景、研究现状及研究意义。

第二章对课题的相关知识,图像的频域特征,图像滤波和人类视觉系统做了简要的讲解。

剩余内容已隐藏,请支付后下载全文,论文总字数:22877字

您需要先支付 80元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;