基于纹理颜色方向等特征的多尺度融合的显著性检测

资 源 简 介

基于纹理颜色方向等特征的多尺度融合的显著性检测

详 情 说 明

图像显著性检测是计算机视觉中用于模拟人类视觉注意力机制的重要技术。本文介绍一种改进自经典ITTI模型的算法，通过综合提取图像的多种视觉特征并进行多尺度融合，实现了更为精准的显著区域检测。

该算法的核心思路可以分为三个主要阶段： 特征提取阶段：同时考虑颜色、纹理、亮度和方向四种基础特征。相比传统方法，特别加强了纹理特征的提取，能更好处理复杂背景下的目标检测。 中心-周围对比计算：采用差分高斯金字塔构建多尺度特征空间，通过中心区域与周围区域的对比计算产生特征图。改进后的算子能更精确捕捉局部对比度变化。 跨尺度融合策略：创新性地引入权重调节机制，将不同尺度的特征图进行非线性融合。这种多尺度融合方法既保留了粗粒度的大范围显著性，又不丢失细粒度的细节特征。

实际测试表明，该改进算法在复杂场景下表现出色，特别是对于： 低对比度目标检测 纹理丰富区域的显著性区分 多目标场景的注意力分配

都具有明显优势。算法的计算效率经过优化，在保持ITTI模型实时性的基础上，显著提升了检测精度，适用于智能监控、图像压缩、视觉导航等多种应用场景。