HC显著性检测PIF算法研究(2)
当人们看到一幅图片的时候，首先看到的是什么？
图1. 1 对于图片重点区域的图示
首先映入眼帘的当然是图像的中心区域，也就是黑色的方框。因为从位置上看它居于图像的中心部分，而且它与整幅图像背景的对比度最大，所占的比例最小，因此从显著性的角度分析，整幅图像中黑色区域的显著值最大。图像自身包含的信息是丰富多样的，包括颜色，灰度，纹理，方向，位置等等。图像的每一种特征反映了图像信息的一个方面。目前的主流显著性检测也都是基于图像的这些特征来对图像进行分析。包括程明明的HC[1]，RC[1]算法，还有LC，FT，SR等算法，但这些方法都是基于图像的某方面特征。显然，从单一的角度出发来对所有图像进行分析处理虽然有一定的道理，但是是有局限性的。因为对于一幅图像来说，每个特征表达的方向不同，反应的图像信息从理解的角度上几乎不存在一种包含关系。因此图像的每一种特征对于我们来说都有利用的价值，而且获得的图像信息越丰富，反映的图像情况越真实。基于这个想法，我们尝试通过结合图像的两种特征来从两个不同的角度反映图像信息。
通过对HC算法的研究，可以看出，HC算法是针对图像的颜色特征来对图像显著性进行刻画。一幅图像出现在眼前，给人最直接的信息就是颜色，这一点非常符合人类视觉高效快速的特点。HC算法对于某些颜色特征影响比较大的图像，效果不错，但是对于一些图片，颜色可能并不是它所能反映出的主要属性，颜色的对比度并不明显。只从颜色一个角度来表达图像显然不够有说服力。因此我们在HC算法的基础上加入了PIF算法来刻画图像的纹理特征，通过对这两种特征分别求出来的显著值进行整合，来改善最终显著图的效果。
（a） （b） （c） （d） (e) (f)
图1. 2 为当前主流的显著性检测算法，（a），（b）,（c），（d），（e），（f）依次为原图，FT算法结果，HC算法结果，LC算法结果，RC算法结果，SR算法结果。
作为对HC算法的改进，我们在程明明的10000幅图片数据库上测试了我们的结果，结果比较令人满意，对一些HC算法效果比较好的图片我们的算法对其正确率，召回率有所提高，所得的结果与人工分割结果更加接近；对一些HC算法处理效果一般的图片我们也能够从结果上对其有一定的改善。从整体的效果上来看，数据库的大部分图片经过我们的算法改进后有所提高。我们的改进算法致力于处理普通自然场景中的简单图片，对于一些复杂的，高纹理的图片处理效果可能并不能达到预期效果。
1.2 相关工作
首先我们对图像的显示方式进行了一些了解。因为在之后的算法学习和改进过程中，我们需要对这两种颜色空间有所了解。
颜色空间RGB：（红绿蓝）是一种色彩模式。红(Red)、绿(Green)、蓝(Blue)是它的三个颜色通道，也就是颜色分量。通过这三个通道不同比例的组合可以得到各种各样的颜色。每个通道的值在区间[0,255],因此空间整体范围是 。RGB颜色空间覆盖面比较广泛，它含了人类视觉所能感知的几包全部颜色。因此它也是目前运用最广的颜色空间之一。就像我们小时候玩过的调色板一样，基于颜色的三原色经过不同比例的组合就可以得到各种人眼可见的颜色。
上一篇：ASP新闻采集系统设计与实现