张 昆

(惠州工程职业学院，广东 惠州 516001)

人类具有快速锁定重要的视觉对象并进行集中处理的视觉注意机制，将该机制引入到图像处理过程中，能在降低计算机计算量的同时，有效提高计算机的选择筛选能力，优先分配资源给重要区域，最终提高整体图像处理的效率。视觉注意机制包括自上而下和自下而上两种，本文只研究自下而上的视觉注意机制[1]。

早期建立的自下而上的显著性检测模型均是基于空间域建立的。而近年来，部分研究人员开始基于频域着实建立显著图[2-6]。值得注意的是2007年[7-9]，Guo等基于仿射系数率先提出剪切波变换，并证明了该表示方法具有几乎最优的稀疏性[10]。对比剪切波变换和小波变换可知，前者可以最大化地使用原函数的几何正则性，剪切波基具有近似长条形的支撑区间，能够仅使用较少的系数逼近奇异曲线。剪切波变化因此在图像边缘特征方面更具优势，且拥有更好的逼近精度和稀疏表达能力[11-15]。

基于多方向和多尺度的离散剪切波变换，本文建立了一个利用自下而上视觉注意机制进行显著性检测的模型。该模型在各分解层重构剪切波系数获取各分解层图像描述特征图，并将各层细节信息汇总以实现多分辨率角度综合衡量图像的显著性。此外，本文的模型除了效仿文献[12]的思想获取全局显著性外，还加入熵计算概率密度分布，获取并建立局部显著图。其局部显著图建立的核心思想是若局部区域和周边分布一致性越高，熵值越大，相应的显著性越低；……