MATLAB实现基于Itti模型的视觉显著性检测系统

资 源 简 介

本项目利用MATLAB实现了Itti-Koch视觉显著性模型，通过多尺度特征提取融合颜色、亮度和方向信息，自动识别图像中的显著区域。适用于图像分析、注意力建模和计算机视觉研究。

详 情 说 明

基于Itti视觉显著性模型的感兴趣区域自动选择系统

项目介绍

本项目完整实现了经典的Itti-Koch视觉显著性计算模型，旨在从自然图像中自动提取人眼注视的显著区域。系统模拟人类视觉系统的多尺度、多特征处理机制，通过构建图像的高斯金字塔，分别提取颜色、亮度和方向特征，并计算中央-周边差异图，最终融合生成全图的显著性图谱。系统进一步采用动态阈值分割技术，自动聚焦并勾勒出最显著的感兴趣区域（ROI）。本项目提供从特征计算到结果可视化的完整流程，支持单张图像处理和批量分析，适用于图像分析、计算机视觉预处理、人机交互研究等多个领域。

功能特性

• 多尺度特征提取：采用高斯差分金字塔，模拟视网膜和初级视觉皮层的多尺度处理特性。
• 多层次特征融合：整合颜色、亮度和方向三个视觉通道的特征，生成综合显著性图。
• 自适应ROI提取：基于显著图的动态阈值分析和形态学后处理，自动分割并优化显著区域边界。
• 灵活的输入输出：支持单张或多张标准格式（JPG/PNG/BMP）图像批处理。
• 丰富的输出结果：

- 原始图像与显著性热图的叠加可视化显示 - 标记显著区域轮廓的二值化ROI掩模 - 包含ROI坐标、显著性峰值强度、区域面积等数据的统计文件

• 参数可配置：允许用户调整图像尺寸标准化阈值、金字塔层数、各特征权重系数等关键参数。

使用方法

1. 准备输入图像：将待处理的图像（JPG/PNG/BMP格式）放置于指定输入目录。
2. 配置运行参数（可选）：根据需要，在代码中修改图像预处理尺寸、金字塔层数、各特征权重等参数。
3. 执行主程序：运行主程序文件，系统将自动完成显著性计算与ROI提取全过程。
4. 获取输出结果：程序执行完毕后，在输出目录中查看以下结果：

- result_visualization.png：显著性热图与原始图像的叠加效果图 - roi_mask.png：二值化的显著区域掩模图 - roi_data.txt：包含各ROI详细信息的统计表格

系统要求

• 操作系统: Windows / Linux / macOS
• 软件环境: MATLAB R2016b 或更高版本
• 内存建议: 不低于4GB RAM（处理高分辨率图像时建议8GB以上）

文件说明

主程序文件整合了系统的全部核心处理流程，负责调度并执行图像数据读取与预处理、多尺度高斯金字塔的构建、颜色、亮度及方向特征图的生成与归一化、跨尺度的中央周边差异计算、各特征通道的线性融合以生成显著性图谱、基于自适应阈值的显著区域二值化分割、ROI边界的优化与轮廓提取，以及最终结果的可视化渲染与数据文件的输出。