论文总字数：21793字

摘 要

随着科学技术的迅猛发展，及计算机技术的日益普及，人们已对图像信息的获取表现出不可替代的依赖性。如何从海量的图像中获得感兴趣的内容，以满足对于图像信息获取数量及处理速率的需求，成为一个重要的热点问题。图像显著性检测技术应运而生。

本文研究了图像显著性模型和图像显著性检测方法，在此基础上实现了一种基于图论的视觉显著性方法，并结合人脸肤色，实现了静态图像中对人脸的检测和分割。首先提取图像的颜色、亮度和方向信息，接着利用图论知识得到各特征图，进行归一化处理后进行加权综合得到显著图；根据阈值操作初步分割出人脸区域。然后依据人脸数据库中的人脸肤色部分计算出L，a，b分量的均值；将初次分割的区域与肤色分量均值进行比较，依据距离原则进行脸部区域的再次分割，达到从图象中检测人脸区域的目的。

实验表明，本文能够从复杂背景中较好的分割出人脸区域。

关键词：GBVS 视觉显著性 人脸检测 肤色

The Research of Detection and Application of the Static Image Salience

ABSTRACT

With the rapid development of science and technology，and the increasing popularity of computer technology, people have shown irreplaceable dependence on the acquisition of image information. How to obtain interesting content from massive images and achieve efficient and rapid processing of large amounts of image information has become a hot topic for researchers. The technique of image saliency detection has thus flourished and shows a strong vitality.

In this paper, image salience model and image salience detection method are studied. On this basis, a visual salience method based on graph theory is realized. The detection and segmentation of the face in the static image are realized by combining the skin color of the face. First, color, brightness and direction information are extracted from the image, and then each feature map is obtained by using graph theory knowledge. After normalization treatment of each feature graph, weighted synthesis was carried out to obtain a salience graph. According to the threshold operation, the face area is preliminarily segmented. Then, the mean value of L, a and b components was calculated according to the skin color part of the face database. The initial segmentation area was compared with the mean value of skin color components, and the face area was re-segmented according to the distance principle, so as to detect the face area from the image.

Experiments show that this paper can segment the face area from a complex background.

Key words：GBVS ; Visual Salient ; Face Detection; Color of Skin

目 录

摘 要 Ⅱ

ABSTRACT Ⅲ

第一章 绪论 1

1.1课题的背景及研究意义 1

1.2国内外研究现状概述 1

1.3 本文的工作和内容 3

第二章 视觉显著性概述 5

2.1 人类视觉注意机制 5

2.1.1 视觉注意与神经生物学的关联 5

2.1.2视觉信息的传递 6

2.1.3 视觉注意力模型 7

2.2视觉显著性通用模型框架 9

2.3视觉注意的计算模型 10

2.4显著性检测原理 11

第三章 基于图论的视觉显著性检测算法 12

3.1 算法的总体方案 12

3.2 显著性特征提取 14

3.2.1 亮度特征 14

3.2.2 颜色特征 14

3.2.3 方向特征 15

3.3 生成显著图 16

3.3.1 生成特征图 16

3.3.2 归一化 18

3.3.3 综合显著图 19

第四章 基于显著性检测和肤色检测的人脸分割 20

4.1整体方案 20

4.2 计算均值 21

4.3基于显著图的人脸初次分割 23

4.3.1 显著图的计算 23

4.3.2 初次分割 26

4.4基于肤色检测的人脸二次分割 27

4.5 结果与分析 28

第五章 总结与展望 30

5.1总结 30

5.2展望 31

参考文献 32

致谢 34

第一章 绪论

1.1课题的背景及研究意义

在“大数据时代”的时代背景下，科学技术得到了日新月异的迅猛发展，通信技术，多媒体信息采集和处理技术达到了空前的高度，数字化媒体信息的应用日益普遍化。面对海量的数据，如何快速高效的利用更少的数据传达更丰富的内容，成了热门的研究课题。数据有效传输的关键在于如何排除其他辅助性的冗余信息，提取关键的信息。

在积极的探索中，视觉显著性检测技术应运而生。视觉显著性检测的概念起源于人类视觉系统，它是人类最重要的感知系统。这一系统帮助人类在大量不相关复杂信息的干扰下，快速准确的找到显著性物体或者感兴趣的目标。人类观测图像时，视觉加工过程分为两个重要的阶段。前一阶段的任务是无意识的检测图像的独立性特征，包括颜色、尺寸、方向、纹理等底层信息，这一过程是平行的、自动化的；后一阶段是知觉阶段，这一阶段的任务是将原始的、彼此分开的特征正确的联系起来，并整合成一单一的物体，赋予其语义表达，这一过程由视觉系统完成，这是一个自动化的、序列的处理过程。人类视觉加工过程就是视觉注意机制，参照人类的这一视觉注意机制，构造合适的显著性检测模型，积极发展视觉显著性检测技术便能解决很多视觉领域的难题。

请支付后下载全文，论文总字数：21793字