房晓东

（东莞职业技术学院，广东　东莞　523808）

一种基于显著性区域的图像分割算法*

房晓东

（东莞职业技术学院，广东东莞523808）

针对传统的显著区域的分割方法存在的频谱泄露、无法达到亚像素精度的问题，提出了一种新的基于显著性区域的图像分割算法。利用Lucas-Kanade图像配准算法对大量重复出现模式的最小周期进行估计，从而准确地重建出背景模型；在此基础上，提出了“广义邻域点”的方法，设计自适应尺度的中值滤波器完成前景分量的精确分割；并提出了快速中值滤波器的设计方法，显著降低了计算复杂度。实验证明了该算法能够准确、高效地分割图像，适用于大量重复背景中前景目标的提取。

图像分割，显著性区域，中值滤波，金字塔模型，双线性插值

0　引言

图像分割［1］旨在根据颜色、纹理以及形状等特征将图像划分成若干互不重叠区域，从而使得这些区域内存在上述特征的相似性，而区域间呈现明显的差异性。近些年来被广泛应用与医学影像分析、视频监控以及影视制作中。从数学模型上看，图像分割可以理解为每个像素的颜色值都是由前景分量和背景分量通过布尔运算得到。

传统的图像分割算法主要分成以下几类：基于阈值的分割、基于边缘的分割、基于区域的分割、基于图论的分割以及基于能量泛函的分割，近年来，基于显著性区域的图像分割受到了越来越多科研机构和工程人员的广泛关注。显著性区域是图像中最能引起用户关注、最能体现图像内容的区域。……