李春华 秦云凡 刘玉坤

摘 要：针对传统贝叶斯模型算法对图像显著区域检测精度需要进一步提高的问题，提出一种改进凸包的贝叶斯模型显著性检测算法。首先，利用流行排序算法对图像进行前景提取，提取的前景区域作为贝叶斯模型的先验概率;其次，利用颜色增强的Harris角点检测算法检测图像在RGB，HSV，CIELab 3个颜色空间中的特征点，分别构造RGB，HSV，CIELab空间的凸包，求取3个颜色空间下的凸包的交集;再次，通过贝叶斯模型根据先验概率、凸包与颜色直方图结合得到的观测似然概率计算获得显著性区域图;最后，将新算法在两大公开数据集MSRA和ECSSD中进行测试。结果表明，新算法能够有效抑制背景噪声，完整检出显著区域，F-measure值在MSRA和ECSSD数据库中的测试结果分别为0.87和0.71，准确率-召回率曲线在复杂图像数据库高于传统经典算法。新算法改进了传统经典算法的检测效果，进一步提高了显著图检测的准确性。

关键词：图像处理;显著性检测;凸包;超像素;流行排序;贝叶斯模型

中图分类号：TN958.98 文献标识码：A

文章编号：1008-1542（2021）01-0030-08

现代生活中各种智能设备不断涌现，由此产生了大量图像，从中自动提取关键信息的需求日益显著。显著性检测技术可以将图像中显著区域从复杂场景中分离出来，有利于提高后继图像信息的处理速度。图像显著性检测算法通常可以分为自顶向下模型和自底向上模型两类。自顶向下的模型[1-3]是一种需要借助具体的先验知识进行检测的模型，使用预先人工标记的真值图，通过学习训练等方式检测图像中的显著目标。……