袁 源，樊万梅

(1.招商局重庆交通科研设计院有限公司，重庆 400067;2.重庆大学，重庆 400030)

图像感兴趣区域(region of Interest，ROI)提取技术用于提取出图像中进一步目标识别的至关重要的区域，主要应用于视频增强、理解和检索，视频/图像压缩等领域，是当前图像处理领域的研究热点之一［1-6］。

目前，ROI提取技术主要分为基于视觉特征的方法和基于运动变化的方法［5］。基于运动变化的ROI提取技术是把运动对象作为感兴趣区域，如文献［1］使用肤色提取人脸进行视频压缩，文献［2］训练两级神经网络分类器区分感兴趣的前景和不感兴趣的背景，这类方法大多都是针对娱乐视频和视频会议的，不适用于静态图像的感兴趣区域的提取。而基于视觉特征的ROI提取技术从人眼的视觉特征出发，通过对图像视觉特征的分析来提取ROI，如文献［4］利用颜色和信息熵提取ROI，虽然利用颜色和信息熵的互补作用，这种方法能提高感兴趣区域检测的准确率，但也存在不足之处:当噪声与整幅图像的灰度均值差值较大时，这种以引起视觉注意机制为理论基础的ROI提取方法将不能抑制这些噪声，导致提取出的感兴趣区域包含了这些噪声区域。

然而，在实际应用中ROI提取算法对实时性要求较高，上述算法不能较好满足提取要求;此外，噪声对感兴趣区域的提取具有不可忽视的影响。为此，本文考虑噪声对ROI提取的影响，并兼顾实际应用场景对实时性的要求。对于监控场景背景比较单一的情况，充分利用背景区域与前景感兴趣区域的不同，提出了一种基于背景统计的静态图像ROI提取算法。……