MATLAB实现的Itti-Koch视觉显著性图像检测系统

资 源 简 介

本MATLAB项目完整复现了Itti-Koch-Niebur视觉显著性模型，通过多尺度特征提取、中央-周边差异计算与特征融合，自动生成输入图像的显著性热力图，适用于注意力机制研究与图像分析应用。

详 情 说 明

基于Itti-Koch视觉显著性模型的图像显著性检测系统

项目介绍

本项目实现了Itti、L.Koch与Niebur提出的经典视觉显著性计算模型。该模型模拟人类视觉注意力机制，能够自动检测输入图像中最吸引人眼注意力的显著区域。系统通过多尺度特征提取、中央-周边差异计算和特征图融合等技术，实现对自然场景图像的显著性分析。

功能特性

• 多尺度特征提取：采用高斯金字塔技术提取图像的颜色、亮度和方向特征
• 中央-周边差异机制：模拟人类视觉系统的对比度敏感特性，突出显著区域
• 跨尺度归一化与融合：通过非线性归一化和特征融合生成最终显著性图
• 多样化输出：支持显著性热力图、可视化叠加图和二值化掩码输出
• 自适应输入：支持任意尺寸的RGB图像输入，自动进行预处理和尺寸适配

使用方法

1. 准备输入图像（JPG、PNG或BMP格式的彩色图像）
2. 运行主程序，系统将自动处理输入图像
3. 查看输出结果：

- .mat文件：包含归一化显著性热力图数据 - .png文件：可视化显著性图（热力图叠加效果） - 可选输出：显著性区域二值化掩码

系统要求

• MATLAB R2018b或更高版本
• Image Processing Toolbox
• 内存建议：4GB以上
• 输入图像建议分辨率：不低于256×256像素

文件说明

主程序文件实现了系统的核心处理流程，包括图像读取与预处理、多尺度高斯金字塔构建、颜色与亮度特征提取、方向特征计算、中央-周边差异操作、跨尺度特征归一化与融合、显著性图生成以及结果可视化输出等完整功能链。该文件作为系统入口，协调各模块协同工作，确保显著性检测流程的完整执行。