题目：前下视序列图像中显著目标检测

 

序列图像中的显著目标检测与识别是运动目标分析研究中的关键技术，它融合了神经生物学、计算机视觉、信息论、模式识别等多个领域，主要作用是对序列图像中的感兴趣目标进行实时检测、提取，是对图像进行进一步处理的基础。

本文针对给定的实际拍摄前下视红外灰度图像序列，实现感兴趣区域的检测。主要从显著目标检测算法领域入手探讨图像中关键区域的提取问题。文章对现有技术进行了总结，并对神经生物学和数学信息论两个大方面的算法进行实现和改进。此外，文章提出基于手动基函数的联合显著性检测，针对图像序列实现上下文信息联合处理。

针对神经生物学经典Itti模型，文章在深入分析并实现的基础上针对其存在的问题——准确性和实时性提出改进。在准确性方面，文章采用相频特征图考虑频域显著性信息，提出多尺度差值融合法突出大尺度特征，提出掩模特征法精确目标边缘；在实时性上，利用行列法计算中心与周围区域特征距离，将C-S对比及归一化分别从行、列实现，有效提高计算速度。在数学信息论领域，我们采用加农信息熵法，结合部分概率论知识及形态学处理，获取显著图像区域。文章随后提出显著目标检测的综合显著图法，计算两方面特征图并融合，有效改善了检测质量。

此外，文章利用数据库人工眼动采集大量注意块，学习得到与视觉响应一致的一组稀疏基。通过这组基函数，实现联合显著区域检测算法，有效提取出同时存在于两幅图像中的前景区域而抑制仅位于单幅图像的部分。这一方法利用了序列图像信息，将显著性检测由单一图片向一组图片发展，而特定的基函数的训练学习、建模则有效的突出了人眼注意的显著区域。

文章完整讨论了针对已知序列图像提取物体特征实现显著目标的检测过程，对特征整合理论、加农信息熵理论、联合显著度检测算法分别进行实现和改进，经真实外场数据验证，本文提出的综合模型在计算速度和准确性上都有了很大的提升，具有理论价值和实际应用能力。