基于过渡滑动窗贝叶斯分析的视觉注意模型

依据显著目标是显眼、紧凑和完整的思路,提出基于过渡滑动窗特征分布贝叶斯分析的显著目标检测模型。首先根据局部区域与其多个尺度邻域的对比得到亮度显著映射图;然后利用颜色信息的空间紧凑性、同质性和孤立性得到颜色显著映射图;同时通过多尺度多方向的Gabor滤波器组模拟人类视觉系统提取图像块的方向显著映射图。最后将这些显著特征一起输入单尺度的贝叶斯结构模型,通过对比贝叶斯结构模型中窗内和过渡窗外的特征值计算出该像素是显著像素的概率值,最后通过取最大化映射规则计算出输入图像的显著图,从而得到显著目标。将此算法应用于不同图像进行仿真实验,得到较好的显著性检测结果,表明该方法是切实可行的。

视觉注意模型的低照度图像感兴趣区域检测

针对低照度图像质量较低导致的检测困难问题,提出一种基于视觉注意模型的低照度图像感兴趣区域检测方法。将图像由RGB色彩空间转换至HSV色彩空间,通过NSST获取图像的多个高通子带和一个低通子带;在高通子带中利用自适应阈值去噪法去噪V分量,在低通子带中采用多尺度Retinex增强V分量,再修正增强后图像S分量,将处理后图像转换回RGB色彩空间;依据视觉注意模型分别获取图像亮度显著值、色彩显著值和方向显著值,联合构建图像像素点特征向量,采用过渡滑动窗贝叶斯方法实现图像感兴趣区域检测。实验结果表明,所提方法的预处理效果更理想、错分率和误分率更低。