摘要：随着信息社会的发展，大范围的图像处理技术和数字化设备的出现和广泛使用，以及图像信息领域和网络技术的迅速普及，图像数据呈几何级数的增长趋势。于是出现了大批量的图像处理以及关于图像处理的各类算法和方法。但是，对于图像显著性检测技术方面在国内领域尚未出现有代表性的、集中体现核心思想的算法和方法。其常规的处理手段借用了图像分割、图像基础处理的办法。于是，如何迅速、准确地把一副图像中的显著性特征检测出来成为了近几年来研究人员研究的热点之一。因此，如何运用灵活的手段对图像进行显著性检测，并且建立便捷的算法便成为了发展中的迫切需求。通过前期的调研以及和此领域有所研究的老师指导下，根据我所掌握的算法和方法通过使用Matlab软件编译算法进行计算，然后判断检测过程中的灰度值(其他数据，如图像的颜色、灰度以及显著点间的距离等也将作为算法的参量）是否满足定义的阈值范围。这种方法的实现将会给显著性检测技术的研究提供新的思维模式和效果的展示。

要想合理实现这种方法，不但要深入研究相关领域的新方法、新思维，还要具备创新的思想，不要拘泥于已经应用的算法和方法。通过合理的改进实现对图像的显著性检测。

关键词：图像显著性检测  显著性检测技术  Matlab算法检测 滤波检测 

目录

摘要

Abstract

引   言-1

1图像显著性检测研究背景及意义-2

2图像显著性检测技术研究现状-3

2.1序贯显著性特征检测算法-3

2.1.1 算法原理-4

2.1.2 显著性特征度量-4

2.1.3 序贯显著性检测算法-5

2.1.4 感兴趣区域检测-5

2.1.5 感兴趣目标检测-6

2.1.6 结果及评价-6

2.2颜色信息相位谱的显著性检测-7

2.3基于DSP的显著性检测算法-10

2.3.1 DSP处理流程-10

2.3.2 DSP显著性检测主要技术问题及解决方法-10

2.4基于支持向量机的显著性建筑物检测-12

2.4.1 检测方法原理-12

2.4.2 采用自底向上的注意力机制提取感兴趣的区域-13

2.4.3 建筑物结构特征描述-16

2.4.4 检测结论-17

2.5基于Lubo滤波显著性检测算法-17

2.5.1 图像的选择-17

2.5.2 图像的处理-18

2.6各类方法的比较-20

3基于统计显著性检测算法-22

3.1 算法的实现原理-23

3.2 自定义阈值范围的确定和算法检测的流程图-23

3.3 算法的实现和图像的对比-25

4程序实现代码-32

4.1 基于Lubo显著性检测算法的算法代码-32

4.2 基于Matlab统计显著性检测算法的算法代码-32

结   论-35

致   谢-36

参考文献-37