一种图像感兴趣区域提取方法研究
2017-09-01范向阳
计算机技术与发展 2017年8期
王 诚,范向阳
(南京邮电大学 通信与信息工程学院,江苏 南京 210003)
一种图像感兴趣区域提取方法研究
王 诚,范向阳
(南京邮电大学 通信与信息工程学院,江苏 南京 210003)
关于图像感兴趣区域(ROI)提取,改进的Stentiford视觉模型方法与传统的Stentiford视觉模型方法以及其他视觉模型方法相比,具有提取的图像区域清晰、边缘明显、效率高等优点,但在图像背景较为复杂时,会提取到目标区域以外的区域。鉴于实际研究中对准确度的要求,需要从已提取区域中挑选出目标区域。为此,在所涉及的图像处理过程中,提出了多种图像新特征的提取方法,并引入数据挖掘领域中的经典FP-Growth算法,在改进的Stentiford视觉模型方法对训练集图像处理后,提取图像显著熵、显著熵密度等众多图像特征,并应用FP-Growth算法挖掘图像特征和目标区域的关联规则,同时将获取到的规则应用于测试集的大量实验验证之中。实验结果表明,采用了所提出的方法后,提取到的图像区域准确度有显著提高,表明该方法是可行有效的。
图像感兴趣区域;Stentiford视觉模型;FP-Growth算法;图像特征
0 引 言
基于人眼视觉模型的人眼感兴趣区域提取有多种经典方法,例如Itti视觉模型[1]、GBVS视觉模型[2]、谱剩余模型[3]、Stentiford模型[4-5]等。通过对比,Stentiford模型提取的效果最为清晰和准确。但是Stentiford模型有提取结果随机性过大,对图片细节过于敏感,计算量大造成耗时等问题。为此,对Stentiford方法加以改进。
虽然改进的Stentiford方法明显提高了图像提取的质量和效率,使得提取的图像区域清晰,边缘明显,但同时也带来了新的问题。……
登录APP查看全文
