收稿日期：２０１３１２１７；修回日期：２０１４０２０７ 基金项目：陕西省自然科学基础研究计划项目（２０１３ＪＭ１０１４，２０１４ＪＭ１０３２）；陕西省教育厅
科学研究计划项目（
１４ＪＫ１７９７）；国家级大学生创新创业训练计划项目（２０１２１０７２２０１６）；咸阳师范学院科研基金资助项目（１２ＸＳＹＫ０１３，１３ＸＳＹＫ００９）
作者简介：张艳邦（１９８０），男，河南商丘人，讲师，博士，主要研究方向为计算机视觉、模式识别（ｚｈａｎｇｙａｎｂａｎｇ＠１６３．ｃｏｍ）；陈征（１９８９），陕西
铜川人，本科生，主要研究方向为信息与计算科学；张芬（１９７８），女，河南商丘人，讲师，博士，主要研究方向为智能控制、神经网络；汪熊（１９９０），
男，陕西人，本科生，主要研究方向为信息与计算科学；彭朝洋（１９９０），男，陕西汉中人，本科生，主要研究方向为信息与计算科学．
基于颜色和纹理特征的显著性检测算法
张艳邦，陈 征，张 芬，汪 熊，彭朝洋
（咸阳师范学院 数学与信息科学学院，陕西 咸阳 ７１２０００）
摘 要：针对现有的基于图像底层特征的显著性检测算法检测准确度不高的问题，提出了一种基于颜色和纹理
特征的显著性检测算法。在 ＲＧＢ和 Ｌａｂ颜色空间上，同时考虑了图像的颜色对比度特征、纹理特征。运用二维
信息熵作为衡量显著图的性能标准，选取最优的颜色通道，并且针对颜色及纹理的不同特点，给出了各自的显著
性特征融合方法。在公开的数据库中与四种流行的算法实验对比，实验结果证明了算法的有效性。
关键词：模式识别；显著性检测；颜色对比度；纹理特征；二维信息熵
中图分类号：ＴＰ３９１．４１ 文献标志码：Ａ 文章编号：１００１３６９５（２０１５）０１０２８４０３
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１５．０１．０６６
Ｖｉｓｕａｌｓａｌｉｅｎｃｙｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎｃｏｌｏｒａｎｄｔｅｘｔｕｒｅｆｅａｔｕｒｅｓ
ＺＨＡＮＧＹａｎｂａｎｇ，ＣＨＥＮＺｈｅｎｇ，ＺＨＡＮＧＦｅｎ，ＷＡＮＧＸｉｏｎｇ，ＰＥＮＧＣｈａｏｙａｎｇ
（ＣｏｌｌｅｇｅｏｆＭａｔｈｅｍａｔｉｃｓ＆ＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ，ＸｉａｎｙａｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，ＸｉａｎｙａｎｇＳｈａａｎｘｉ７１２０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｃｏｌｏｒａｎｄｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｆｏｒｄｅｔｅｃｔｉｎｇｓａｌｉｅｎｃｙｏｂｊｅｃｔｓ．Ｔｈｉｓｍｅｔ
ｈｏｄｃｏｕｌｄｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌｓａｌｉｅｎｃｙｄｅｔｅｃｔｉｏｎａｐｐｒｏａｃｈｅｓ．Ｉｔｔｏｏｋｉｎｔｏａｃｃｏｕｎｔｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅ
ｉｍａｇｅｃｏｌｏｒｃｏｎｔｒａｓｔａｎｄｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｂｏｔｈｉｎｔｈｅＲＧＢｃｏｌｏｒｓｐａｃｅａｎｄＬａｂｃｏｌｏｒｓｐａｃｅ．Ｎｅｘｔ，ｉｔｄｅｆｉｎｅｄ２Ｄｅｎｔｒｏｐｙｔｏｅｖａ
ｌｕａｔｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｆｅａｔｕｒｅｍａｐｓ，ｗｈｉｃｈｃｏｕｌｄｂｅｕｓｅｄｔｏｃｈｏｏｓｅｔｈｅｐｒｏｐｅｒｃｈａｎｎｅｌｓ．Ａｎｄｔｈｅｎ，ａｃｃｏｒｄｉｎｇｔｏｃｈａｒａｃ
ｔｅｒｉｓｔｉｃｓｏｆｔｈｅｃｏｌｏｒａｎｄｔｅｘｔｕｒｅｆｅａｔｕｒｅｓ，ｉｔｐｒｏｐｏｓｅｄｄｉｆｆｅｒｅｎｔｆｕｓｉｏｎｍｅｔｈｏｄｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｆｉｎａｌｌｙ，ｉｎａｐｕｂｌｉｃｄａｔａｂａｓｅｗｉｔｈ
ｆｏｕｒｅｘｐｅｒｉｍｅｎｔａｌｃｏｍｐａｒｉｓｏｎｓｏｆｐｏｐｕｌａｒａｌｇｏｒｉｔｈｍｓ
，ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏ
ｒｉｔｈｍ．
Ｋｅｙｗｏｒｄｓ：ｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ；ｓａｌｉｅｎｃｙｄｅｔｅｃｔｉｏｎ；ｃｏｌｏｒｃｏｎｔｒａｓｔ；ｔｅｘｔｕｒｅｆｅａｔｕｒｅ；２Ｄｅｎｔｒｏｐｙ
!
引言
在丰富多彩的现实世界中，错综复杂的场景映入人的视
野，而人类的视觉注意机制可以帮助人们迅速摈弃冗余的信
息，只关心感兴趣的目标。在过去的几年里，人类视觉注意机
制得到了广泛的研究，应用到了计算机视觉的各个领域，如目
标检测
［１］
、图像分割
［２］
、图像检索
［３］
、视频压缩
［４］
等。
根据视觉处理信息的角度，现有的研究方法可以分为三
类，自底向上、自顶向下和混合模型。自底向上模型是快速的、
无任务驱使的、下意识的、完全有图像数据驱使完成的。主要
选择图像的底层特征，如颜色、亮度、纹理等，与周围像素的区
别是检测显著性目标
［５～７］
。而自顶向下模型是慢速的、有任务
驱使的、有目标的、根据需要完成的
［８］
。检测结果一般比自底
向上模型更精确，但是由于需要预检测的目标经过前期训练测
试，检测效率相对比较慢。混合模型是融合自底向上和自顶向
下模型的检测模型
［９］
。由于检测目标是多样的，是不确定的，
检测前无法预测显著目标，因此现有的研究方法主要是自底向
上的模型。其中，最经典模式算法是 Ｉｔｔｉ等人
［１０］
提出的基于底
层特征的计算模型，它通过在亮度、颜色、方向等特征上进行线
性滤波和中心—周边差异计算，然后高斯下采样对不同尺度的
特征图进行融合。根据视觉感知的特点，黄传波等人
［１１］
对 Ｉｔｔｉ
视觉注意模型进行了改进，将纹理粗糙度信息融入视觉注意模
型，进而提出了一种基于视觉注意空间分布特征的图像检索方
法。Ｈｏｕ等人
［１２］
从频域角度提出基于谱残余思想，利用自然
背景的傅里叶频谱的统计特性，将频谱的残差傅里叶逆变换计
算显著图，算 法对 小 尺 度、小目标 的 检 测 具 有 较 好 的 性 能。
Ｚｈａｎｇ等人
［１３］
在 ＲＧＢ和 Ｌａｂ两个空间中同时讨论了空间域内
对比性特征及频率域内的谱残余特征，并提出了基于信息熵融
合方法，得到了很好的检测效果。刘斌等人
［１４］
针对前视红外
时间序列图像，提出了一种运动目标自动检测方法。利用三
维时空纹理向量的变化度量运动特征，在视觉注意框架下，
给出了运动目标的显著性定义。钱晓亮等人
［１５］
针对先验知识
和当前观测图像的信息分别引入了长期特征和短期特征的概
念，并提出了一种基于信息论的融合算法，得到了较好的检测
效果。基于空间约束的特征、对抗色对比度特征及颜色分别特
征，
Ｘｕ等人
［１６］
提出了像素级的检测显著区域方法，同时结合
多尺度分割算法提出了区域级显著性区域检测方法。
本文提出了一种基于颜色和纹理特征的显著性检测算法。
在两个颜色空间中，给出了颜色对比度特征及纹理特征的提取
方法。在颜色对比度特征计算中，提出了一种融合空间位置信
第 ３２卷第 １期
２０１５年 １月
计 算 机 应 用 研 究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖｏｌ．３２Ｎｏ．１
Ｊａｎ．２０１５
评论0
最新资源