夏卫生， 方向瑶， 杨帅， 林富明， 杨云珍

(1.华中科技大学,材料成形与模具技术国家重点实验室，武汉 430074；2.武汉理工大学，武汉 430076)

0 前言

焊接过程涉及光、热、声、电等变化，其中光和热与焊接过程的相关性最强[1-5]。红外热成像技术作为一种常用光电探测方法，可将被检测物体所产生的红外辐射转化为可见的热图像，获得被测物体的温度分布。

视觉显著性检测(Visual saliency detection)是通过智能算法模拟人的视觉特点，对图像中的视觉显著部分进行检测。为了客观表示图像的视觉显著性，Koch等人[6]在20世纪90年代最先提出显著图(Saliency map, SM)的概念。以显著图像素的灰度值来表示该点像素的显著程度，灰度值越大，则越显著。在检测中引入视觉显著性，不仅可以合理地对图像视频中最重要的地方进行计算，而且其检测结果也更加满足人的视觉认知需求等等。若优先检测出图像的显著部分，就能恰到好处地对显著区域进行分析处理，以此降低运算量，还可以提高检测过程的准确性。

现有的显著性检测算法有多种分类方式[7-8]。美国加州大学Itti博士提出基于生物启发的ITTI模型是最具代表性的显著性模型[9]，该模型能够较为精确地获取图像的显著部分，但存在显著图较模糊及边界不清晰等问题。Harel等人[10]提出了一种基于马尔科夫随机链的图形视觉显著性模型(Graph based visual saliency, GBVS)，具有较高的计算难度，但是可以较准确地获得显著区域的位置。而基于纯计算的显著性检测模型，则采用数学计算方法来研究图像的视觉显著性，并不关注视觉注意机制。……