文章编号：１００７—１４２３（２０１７）１４—００７７—０５ ＤＯＩ：１０．３９６９０．ｉｓｓｎ．１００７—１４２３．２０１７．１４．０１６ 视觉显著性检测的研究 庄斐弘．于威威 （上海海事大学信息工程学院，上海２０１３０６） 摘要： 计算机模拟人类视觉系统的生理机理对图像进行识别是视觉显著性检测研究的主要目的之一。在对图像的预处理过 程中．快速准确的显著性检测能够为图像检索、图像识别、图像分割等后期图像处理过程提供有价值的参考。然而目 前视觉显著性检测的算法还存在检测结果质量不高的问题。通过研究图像傅里叶频谱与显著性的关系，提出一种基 于相位谱和调谐幅度谱结合分水岭算法的显著性检测方法，以提高目前视觉显著性检测的效果。 关键词： 视觉显著性：分水岭；傅里叶频谱；相位谱；调谐谱 ０ 引言 随着计算机性能和数字存储技术的快速发展．人 们获取的数字图像数据容量不断增加．面对这些海量 的数据．人们越来越希望计算机可以更加自主更加智 能地进行处理 受到人类视觉系统能快速高效地分析 周围环境．定位感兴趣的物体．并做出相应的反应的启 发．如果计算机能够模拟人类视觉系统的这种机能来 处理视觉内容．那么将对视觉计算研究的各个领域产 生极大的促进作用．而计算机理解图像数据的关键是 显著性区域的视觉感知处理能力 表明了该算法的可行性和有效性。 １ 基本概念和通用模型 １．１人类视觉系统（Ｈｕｍａｎ Ｖｉｓｕａｌ Ｓｙｓｔｅｍ．Ｉ－ＷＳ） 人类的视觉系统能快速准确地处理人眼所看到视 觉场景：识别场景中物体、将不同的物体进行组合、理 解和分析整个场景．如果是带有目的性的．还能够在对 场景搜索之后很快达成目的 这个过程即使对目前最 先进的计算机和最有效算法来说都是一个非常困难 的．而人类视觉系统处理这么复杂的过程只需要在极 短的时间内就能完成 目前．Ｎｅｉｓｓｅ一 提出的描述人类 视觉系统作用过程的机制最被认可．他将早期视觉 （Ｅａｒｌｖ Ｖｉｓｉｏｎ）处理过程分为预注意处理阶段（Ｐｒｅ－ａｔ． ｔｅｎｔｉｖｅ Ｓｔａｇｅ）和注意处理阶段（Ａｔｔｅｎｔｉｖｅ Ｓｔａｇｅｓ） 视觉 目前已有的一些模型和算法在一定程度上实现了 上述功能．但在某些方面还存在不足 针对现有显著性 区域检测方法存在的问题．本文提出了一种基于相位 谱和调谐幅度谱结合分水岭算法的显著性检测方法 该方法首先对要检测的图像进行傅里叶变化．提取相 系统的前意识阶段在第一阶段中是最主要的．这个阶 段只处理和检测场景中显著的特征．场景中不同于大 多数的背景的区域部分能够引起视觉细胞更大的刺 激。而到了第二阶段．神经系统会将这些显著的特征通 过某种关系进行融合和聚类．然后形成注意力分配图 位谱和幅度谱 而图像的相位谱反映的是图像的纹理 信息．因此保留图像的相位谱．对图像的幅度谱进行处 理。对幅度调谐。得到一个合适的阈值．使显著性区域 幅值加强．非显著性区域削弱．从而得到初步显著性 图 然后再对得到的图像用分水岭算法进行分割．通过 来指导眼球的运动．视觉信息在ＨＶＳ中的传递过程如 图１所示 在这基础之上．ＭＩＴ大学的Ｄａｖｉｄ Ｃ．Ｍａｒｒ［３￣ 确定算法中的阈值来得到最终的显著性图．实验结果 提出视觉处理的预注意阶段会将进入视觉系统内的光 现代计算机 ２０１７。０５中囝 图形图像 线 化为颇 、边缘、线祭和倾角等 。３ｉ 将这些特征 进ｆ 特定的编鹏术形成ｘ，Ｊ‘ 觉场 的｝ＪＪ步 示，最终 ｆ『： 觉系统能够进ｆｎｊ 圳ｆｎ分忻 、 枣 证 而 ， 冬１ １ 觉 ，ｒｊ、 Ｈ、Ｓ 旧ｆ０递过 ｉ．２视觉显著计算模型 觉 ： ｝ 址利Ｊ｝ｊ数 ，Ｉ冬ｌ像处理力‘ 法．仪拟人类 觉 ～ｌｅ，＇ｒ－系统．埘 场 ｆｔ小ＭＩ的信息构建 的 觉认 、¨ 挟收的数学汁算帧 缃迮 觉５ ？’： Ｉ 寸 懈决 个问题：（１） 持：特 的提 ：（２） ，ｆ－成策略：（３） 著Ｉ 融合 小同ｆｊ！Ｊ 的 １一 圳 丁 ｌ：ｌ！Ｊ 缃 过程叶１采川１ 川策略处理这 １＼阶段 模， 能 坏ｎ０ 价指标卡嘤址 汁算结果 人观察视场的 － －的一致 度 近 束． 内外们ｆ究人员提ｆＩ１ ｒ多种 觉 若汁 钟： Ｊ ．正受ＩＪ胁文指…． 觉注意过 一ｆｔ位 白底向Ｉ （Ｉ｛ｔｌｔｌ…１ｌ—ｕｉ＿１）科Ｉ¨Ｉ Ｉｆ１ 卜（ Ｆｏｐ－ｄｔ）、、Ｉ】）ｆ ＩｌＹＬ＇￥－４视觉５ ： ｝ 的建立 分为ｌｌｌｊ补不同的研究 ｆ 自Ｉ 而 卜的 觉 汁 嵌ｊＩ 址根据特定的仟务也 ． 论 ｆ¨幢川均具彳『Ｊ …此．口１ｊ１『＝绝人数的们『究成粜均 址研究Ｉ １ 向ｌ 的ｆＩ｛Ｊ Ｉ』剖寺 动的汁博模掣 白 … 觉 著性汁 ｔｉ！＿ 足从底层特 始．生成不 ｌ州＆达，】‘浊的特 ．以形成对人 的表达 这ｆ１Ｉ】力‘ ‘ 点址 州场景 标自身 ｊ所处 域．或 场 个＝¨的 圳。 圳越ｉ Ｊ ． 越 从特 描 述的策略干¨建卡Ｉ！的心 Ｉ Ｉ）（分，陔类模， 人敛有 类： （１）桀于视觉认，上１… 汁算ｆＩｌ Ｊ 该类疗法利Ｊ１］多种 像 伞』｜ｊ 特 进行融合．建 觉 普模型． ｎ¨Ｉ 【桃觉 愤Ｉ ｈｆｉ模 对 像进｛ 线性滤波 ．利川 像的 包特 、强腰特 干¨厅…特征．进行９ ＠ 现代计算机２０１７．０５中 Ｊ 高斯金 ： 滤波．挟得各…ｎ！ｌＩ！＿ ： ．冉利Ｊ ｌｆＩ 一 边缘”（（ １［（ｔｌ＇－Ｓｌ＇［１ｌｌ（Ｉ（ＩＰｒ）饥制，采取“ 通屹”的策略， 进行线性融 ．扶 最终 像 ：Ｉ冬【 （２） 了：ｒｒＬ一数学计钎：的 。 。分析疗 ／ｆ 干ＩＪ川 仟ｆｕＪ 觉认 ｆＪ【川．Ⅲ数学，Ｊ‘ ＆达 像．亓利川数 、 ：： ‘式埘 像进 冀・性计。 ．ｊＣＩＪｔ￣｝Ｉ 代表仃． ｒａｎｔｎ 等人提…的个分辨牢算法．［Ｉｆ Ｊｌ’：浊干兀Ｈｔ）ｔｌＩ Ｉ 人摊 …ｔ的频域 残余（ＳＩ）ｅｅｔｒａｌｌ ｓ Ⅲ１．ＳＩ｛）算法．这『Ⅵ个＂： 法足在埘人｛｛ ｒ｛然』纠像进行 半Ｉ～埘数ｉ酱分析 发 脱．冗余背景价息人敛卡Ｈ同． 『Ｉ际 有较 的“火 锐”特性． Ｉ（Ｉ 进仃的顿域内运钟： Ｉ变换 （３）２ｉ￣ｉ合 觉认知 ｊ数 汁弭的 著怕！提取ＪＪ‘没 ｊ 代表 Ｈ ｌ…等人摊ｆ ０ 川皇｛像的视觉 ： （（；ｒａＩ）ｈ—Ｂａｓｅ（１ Ｖｉｓｔｌａｌ Ｓａｌｉｅｎ（ （：ｌ｛Ｖ ）算法 这利Ｊ ‘ 法号虑到 觉认知摸 数 、 Ｉ‘ 的 址．摊… 利Ⅲ人类 觉认 Ｉ 论建立 怵钟：法 架． ， １人数 ：计算 ’法． 丁，Ｉ尔科犬链进 随ｆＪ【游屯．建、 觉 ｌＩ 著摸割 就近 束 代表 的 觉 ：汁苒馍Ｊ 的作 息、提…时删 采川的 水策略 息 如丧ｌ所爪 表１具有代表性的视觉显＊计算模型 显著算法 作者 提出时阀 采取策略 Ｉｔｔｉ 【 ｔｔｊ＿Ｉ】ｌ（Ｉ Ｋｏｃｈ １９９８ ，ｊ域＿｝ Ｉｎ底川Ｉ的戚Ｊ拍生 特 ＣＧ ｒＯｌ，ｌ ａｌｂ｝１ ａ１． ２００６ Ｆ史特 指 ｊ｛ ＧＢＶＳ Ｈｅａ＇ｅｌ ｅｔ ａ１． ２００６ ｊ＾ｊ。 模， 的 荆 ＳＲ ｌｔｏｕ＾ｌｌ（１ Ｚｈａｎｇ ２００７ 顿域ｌｌ｝＿残余 ｜ｌ ＱＰＦＴ ｌ０ ｔ ａ１． ２００８ ｊ＆ｊ 托ｌｆｌ ｆ 持的ｆ ＩｉＩＩｆ 坚｛ ＪＵＤＤ Ｊｕｄｄ ｏｔ １１． ２００９ ｌ Ｌ Ｊ‘ 地川 舱忤学 Ｊ｛Ｉ一｝ 的 ｆ叮 Ａｃ｝ＨＩ１“ｌ ｃｔ ａ１． ２００９ ｝】ｊ】 修 ＨＣ Ｃｈｅｒｌ ｅｔ ａＩ ｌ２０１１ ，、Ｊ ｊ颜色九 ‘ 对比 ＲＣ （’ ｌ『１【ｌ１ ｄ】． ２０１１ ｝ ‘审问 ｍ Ｊ【ｊ】ｍ狈 划 ＳＥＲ Ｗａｎｇ １ ａｌ Ｊ０１０ 怖疏农小的 熵 ｝ ＣＡＳ ＧＯｆｅｒｉｌｉａｎ ｅｔ ｄ１． ２０１ 。 ¨Ｊ域 ｆ１璀Ｊ Ｉ—ｌ、史敞感ｆＩ｛Ｊ － 署 ｍ受 ０ＳＡ Ｓｃｌｌａｔｌｅｒｔ ｔ ａ１． １０１２ ＱＰＤＴ的特 伯ｆｌ１恃 轴＿ ｍ１ ｌ＿ｉ ｐｔ ａ１． Ｏｌ３ 复数他 】１娈撷』Ｊ ＲＡＲＥ Ｒｉ（、｝ｉｏ｝１ｔ ａ１． ２０１３ ｌ＾Ｊ。多尺度的特 稀少 ２ 方法原理概述 ２．ｉ频域谱残余方法 南Ｈｏｕ ｆ１Ｉ ＺｈａｎｇＩ １提…的ＳＲ力 法 ＇欠从坝牢域的 『ｆ】度分析Ｉｋｌ１像的 觉 蔷性通过抽嫩ＩＮ像在顿域Ｉ－’ 的残余频谱．ＳＲ厅法能够怏逑地汁钟：…空问域的 图形图像 枉｛ 离 抑制 ．人的 觉系统彳Ｆ抑制 常发 小ｆｌｌｉ＇ 、 Ｉ： ．水会逐渐淹没策水 此处筑起一道堤圳 ｊ来ｒｌ 个不同｝Ｊ＝乏 的特 的ｌ川时 持刈‘偏离Ｉｊ 常状念的特 敏感１ ５］彳『 ’观的 一能做 递到处理的ｉ．－个阶段此 ＳＲ 小 点ｊ 域的水 小断升高外 将汇聚刮一 ｉｌｌｆ． 整个过 站求之 ． 个卞鹱小 分 ．最终 方法分｝戊＝‘１＼步骤： ・ 酃会傲｛叶１ 叶变换，将』 变换剑频率域＿斤 成分水岭现 像分割 （１） 圳 水盆的堤坝昕也…．祭个堤 ！集合 （１）对 像进 ｉ ＩＪ振ｆ０ ｊ ｌ十Ｈｆ 谱 ｛ｌ／）＝ （ ，（－ｌ’）１） 不 的 水盆代丧 像的 现分水岭分割 法 怀定一 种子点：分 景种子点币¨背 利ｔ子点 这 种种丁点的选取 ， ∽＝ （．Ｓｌ／（．Ｙ）１） （２）变抓 为对数谱． 计算残余 （２） ｒｌ『以 丁 米确定 设定一个较低的阀衄ｒ『’ｌ¨ 蔷忡低丁ＴＩ＿ 、、的点将其认为足背景ｆ≮域的点；Ｉ叫 ．设 定～‘个较高闽ｆ ｒＩ１ｌ¨ ， 荠性 丁ｒ【１ｌ¨ 的点将Ｊｔ认为是 景ｆ×：域的点然 把怀ｉ ｆ『ｊ的这些点作为输入．就能 ，｜ ）＝／ｒ （ ｌ（／’）） 尺∽＝，Ｊ∽一／７，ｚ（／’） Ｌ∽ （３）通过反向博Ｉｊ 变换．利川残余 ｆｌＩ｛寸１ｆ 凿僻 刊 嚣・ 现罔像的分水岭分割 、 ｒｒ｝¨ 这两个的Ｉ 值的没 定基ｒ均俺最人值ＪＪｕ仪 均法动念闽 ： １ （ ）＝＝ｇ（ ） 。。）Ｉ ．、＿，Ｊ（Ｒ（／、）＋， ｌ／’））】 （３） ＝— Ｔ ＝（４） Ｉ ＳＲ 法逦过对 像的幅度潜进ｉ 的酃均俩滤波 以达到 制 Ｃ余信息的Ｉ：㈨０．而博 ｌ 变换和Ｉ反变换 也足 像处理【ｆ１蚊 础的汁钟：之一．行Ｈ ＳＲ 法的汁 速度比较快虽然陔方法 制ｒ非 ＊悱 息． ｊ ‘‘ ｆ占息 一般：细 ． 致 ｝丁能存一定 瞍 此¨川‘也 制了 像的 Ｉ 表爪¨ｌ ÷ ＋÷ｌｌ１ａｘ ， （， ） － 二 （５） ３¨比Ｊ，ＪＬ个采川分水岭分削弹法的 觉 悱榆洲 ．』Ｃ『ｆｌ 二仃的 苫罔世通过小义捉…的 ‘法 卢斤得刊的 从 验 ，】‘以 …．小＇艾昕提¨５的 合分 了 著『纠的对比度较筹，Ｆ１．效 水岭弭法的｝见觉 并 ：俭洲力‘法的效 足比较 的 。 日抓昕存的 域．小能 全丧明 暂 ３ 实验结果与分析 为ｒ榆验小文力 法的效粜，在ＭＡＴＬＡＢ 台Ｉ： ｌｆ牛ｌＩ标的准确化荭 轮 ．如 ２所永 ２．２分水岭算法 分水岭 法 足坫丁摸拟浸水过程实现的ｉ发 法 现了本文挺川：的算法通过在 ｈ廿［】ｆａＩＳｌ捉洪的１０００ 像的数抛集ｊ 进行删试，将 义疗法ｔ Ｌ种ｆＩ ｎ订比 较 的力‘法进行丁对比 这Ｌ种 士分圳是最为 ． 的堪小思想是把 像胥成是地质学上的３Ｄ地貌拓扑． 像巾每一点像素的灰度值看作是海拔高度．每一个 部极小 及其影响 域被称为集水 似没在每个 ｆ』正小点处¨一个小孑Ｌ．把这个地质学模型慢慢浸入水 ｌｌ１，水将从这些／Ｉ＇，ＴＬ【ｌ１慢慢浸入模型表面．从最低的ｆＪ互 典的ＩＴ＇ Ｉ方法，输¨！为 分辨率 著性 的ＦＴＩＳ＇７￣‘法于 城的绎 的ＲＣ…１ 法， 于顿域的ＳＲ｛ 。法币¨ ＨＦＴ ｝，Ｊ‘法以及结合高层 息的ＣＡｌ＇￣ｌｈ 法 ＬＲ［，４１，Ｊ‘法 Ｉ ｌ Ｉ参 ｌ ｊ现代计算机 ２ｏ１７．ｏ５中囝 图形图像 ＼ 为了 ｒ，ｌ 能排除影响实验 ＾果的 素．小迓的实岭 一忡Ｉ 城ｆＩ１ 荠 域为突¨｛的问题 冉看罔４ 硬什设备环境Ｆ 脱． 所／ｆ ，Ｊ一法部住Ａ ｈａｒｔ— （（１）第１、２仃『１１花朵用 的Ｉ 域．南于ＲＣ 法是旗ｒ Ｉ 域埘比 的． 突¨ｌ 像ｌｆ】嘲色对比度较高 域的 川时也灾…Ｊ 部分颜包埘比度较 的背景Ｉ 域 图４ （ｔ ）卡【 Ｉ４（ｆ）ｌＩ１． 丁顿域的ＳＩ｛ｆ【 ＪＨＦＴ疗法 Ｉ更注重丁 ｔｄ１０００数抛集Ｊ：测 所有埘比方法郝使川了原作 的提供的算法ｆ『１ 序，ＦＴ、ＲＣ、ＳＲ这 种方法使川文 献Ｉ８川ｔ提供的ｃ＋＋代码史观。Ｉ３ 、ＨＦＴ、ＣＡ、ＬＲ这【Ｊ 种 方法使川其文献作 提供的ＭＡＴＩ ＡＢ ｎ 束 现 像，殳Ｊ 述提刮的Ｌ种方法的实验纳求『』【 ４所，】ｊ： 突… 巾 －． ＩＩ怀的轮 而使 性目标的边缘比较模 而『冬１ ４（ｇ）断爪的（：Ａ ‘法上¨恰恰十｝１反．所 ｛ｌｌｊ＿苦ｌ冬１ ．．Ｍ－：ＩＫ域并没有被 恪的突…但边缘比较突ｆ 最 Ｉ訇４（１ ）昕爪的Ｉ Ｒ疗法虽然能够完祭地突 Ｉ堑１像 的！『ｌ！－蔷 ： 域． 粜较为 该方法埘罔像背特 域的抑制效果 仪范｝】ｆ｛了Ｉ 述某些 法小能 ／ｆ 件 小文提…的 ’法解决ｒ ｆ 述方法 著 检测效 的 题． Ｉ Ｉ Ｉ Ｉ望 ３儿种分水岭 ｎ０寰盼《・ｒｌ Ｌ结 个灾… 像 ｛ｌ 个 并 ｝，Ｉ－： 域的缺点．还比其『１１的几 个疗法更仃效地抑制了 像【ｆｌ的非５ 性Ｉ 域．较为 完 地突…ｒ 像巾的５ 悱』Ｘ域 ｌ●Ｉ◆ Ｉ．．．Ｉ 刈 ４巾的这ＪＬ币叶・方法的 验结果进仃比较ｒｔＪ’以 ４ 结语 小文通过研究博里ＩＩｌ 顿潜与！ｌ 菩性的父系提¨｛了 种 于｛寸１ 瞒平¨州潴 度谱结合分水岭算法的 菩 ｛’：；＝测 法 ｉ发 ‘法允通过他 叶变换提取罔像的卡Ｉ｛ 位 ｆｎ幅发谱．行对幅度晰进 发渊ｉ皆处 ．冉对得刮 的 像ＪＩ Ｊ分水岭 法进ｆ 分割最终僻到 著性 实 看 ｝｛． ４（１Ｊ）昕示的ＩＴ＿厅法只能榆洲ｆｌ； 像 悱Ｊ≮ 域ｌｌＪ的个圳儿个小Ｉ天域虽然ＦＴ方法能够灾ｆｆ； 像ｌｆｌ 具 特殊像素的 域．似 确性 ．某些 有特殊像 验 粜表叫．卡Ｈ较丁以胁的方法本文的算法能 有效 地愉测… 像的 符性Ｉ 域．同时抑制Ｉ刘像 Ｉ１的非 性 域 素的ＩＸ域并不足 苦性Ｉ×：域 而且从 ４（（．）旃２ ４ ｉ Ｉ１化朵的ｌｆｌ问 域【１『以胥川｛ＦＴ力’法仃在突¨；了 （ｄ）ＲＣ（ｅ）ＳＲ （ｆ）ＨＦＴ（ｇ）ＣＡ（ｈ）ＬＲ （ｉ）本文方法 纠４ Ｌ种 法‘ｊ小文算法 验站 的对比 ⑨ 现代计算机２０１７．ｏ５中 参考文献： 『１］Ｕ．Ｎｅｉｓｓｅｒ．Ｖｉｓｕａｌ Ｓｅａｒｃｈ［Ｊ］．Ｓｃｉｅｎｔｉｉｆｃ Ａｍｅｒｉｃａｎ，２１０（６）：９４—１０２，１９６４． ［２］Ｕ．Ｎｅｉｓｓｅｒ．Ｃｏｇｎｉｔｉｖｅ Ｐｓｙｃｈｏｌｏｇｙ［Ｍ］．Ａｐｐｌｅｔｏｎ—Ｃｅｎｔｕｒｙ—Ｃｒｏｆｔｓ，Ｎｅｗ Ｙｏｒｋ，１９６７ ［３］Ｄ．Ｍａｒｙ，Ａ．Ｖｉｓｉｏｎ．Ａ ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｖｅｓｔｉｇａｔｉｏｎ Ｉｎｔｏ ｔｈｅ Ｈｕｍａｎ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ Ｐｒｏｃｅｓｓｉｎｇ ｏｆ Ｖｉｓｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．ＷＦｉ Ｓａｎ Ｆｒａｎｃｉｓｃｏ：Ｆｒｅｅｍａｎ ａｎｄ Ｃｏｍｐａｎｙ，１ ９８２． 【４１Ｄ．Ｍａｒｙ，Ｌ．．Ｖａｉｎａ．Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｔｈｅ Ｍｏｖｅｍｅｎｔｓ ｏｆ Ｓｈａｐｅｓ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｏｃｉｅｔｙ ｏｆ Ｌｏｎｄｏｎ．Ｓｅｒｉｅｓ Ｂ．Ｂｉｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ，１９８２，２１４（１１９７）：５０１—５２４． ［５］Ｈｏｕ Ｘ，ＺＨＡＮＧ Ｌ．Ｓａｌｉｅｎｃｙ Ｄｅｔｅｃｔｉｏｎ：Ａ Ｓｐｅｃｔｒａｌ Ｒｅｓｉｄｕａｌ Ａｐｐｒｏａｃｈ［Ｃ］．ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉ— ｔｉｏｎ．ＵＳＡ：ＣＶＰＲ，２００７：１—８． 【６１Ｃ Ｋｏｃｈ，Ｔ Ｐｏｇｇｉｏ．Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ Ｖｉｓｕａｌ Ｗｏｒｌｄ：Ｓｉｌｅｎｃｅ ｉｓ Ｇｏｌｄｅｎ［Ｊ］．Ｎａｔｕｒｅ Ｎｅｕｒｏｓｃｉｅｎｃｅ，１９９９，２：９—１０． 【７］ＷＡＮＧ Ｘｉａｏ—ｐｅｎｇ．Ｍｏｒｐｈｏｌｏｇｉｃａｌ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ Ｐｒｉｎｃｉｐｌｅｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｍ］．２ｎｄ ｅｄ．Ｂｅｉｊｉｎｇ：Ｔｓｉｎｇｈｕａ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ，２００８：５８． 【８］Ａｃｈａｎｔａ Ｒ，Ｈｅｍａｍｉ Ｓ，Ｅｓｔｒａｄａ Ｆ，ｅｔ ａ１．Ｆｒｅｑｕｅｎｃｙ－Ｔｕｎｅｄ Ｓａｌｉｅｎｔ Ｒｅｇｉｏｎ Ｄｅｔｅｃｔｉｏｎ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍ－ ｐｕｒｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ，２００９：１５９７－１６０４． 【９］Ｉｔｔｉ Ｌ，Ｋｏｃｈ Ｃ，Ｎｉｅｂｕｒ Ｅ．Ｍｏｄｅｌ ｏｆ Ｓａｌｉｅｎｃｙ—Ｂａｓｅｄ Ｖｉｓｕａｌ Ａｔｔｅｎｔｉｏｎ ｆｏｒ Ｒａｐｉｄ Ｓｃｅｎｅ Ａｎａｌｙｓｉｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙ－ ｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９９８，２０（１１）：１２５４—１２５９． ［ＩＯ］ＨＡＲＥＬ Ｊ，ＫＯＣＨ Ｃ，ＰＥＲＯＮＡ Ｐ．Ｇｒａｐｈ—Ｂａｓｅｄ Ｖｉｓｕａｌ Ｓａｌｉｅｎｃｙ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓ－ ｔｅｍｓ，２００７：５４５—５５２． ［１１］Ｃｈｅｎｇ Ｍ Ｍ，Ｚｈａｎｇ Ｇ Ｘ，Ｍｉｔｒａ Ｎ Ｊ，ｅｔ ａ１．Ｇｌｏｂａｌ Ｃｏｎｔｒａｓｔ Ｂａｓｅｄ Ｓａｌｉｅｎｔ Ｒｅｇｉｏｎ Ｄｅｔｅｃｔｉｏｎ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏ— ｃｉｅｔｙ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ，２０１ ｈ ４０９－４１６． ［１２］Ｌｉ Ｊ，Ｌｅｖｉｎｅ Ｍ Ｄ，Ａｎ Ｘ，ｅｔ ａ１．Ｖｉｓｕａｌ Ｓａｌｉｅｎｃｙ Ｂａｓｅｄ ｏｎ Ｓｃａｌｅ－Ｓｐａｃｅ Ａｎａｌｙｓｉｓ ｉｎ ｔｈｅ Ｆｒｅｑｕｅｎｃｙ Ｄｏｍａｉｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１３，３５（４）：９９６—１０１０． ［１３］Ｇｏｆｅｒｍａｎ Ｓ，Ｚｅｌｎｉｋ－Ｍａｎｏｒ Ｌ，Ｔａｌ Ａ．Ｃｏｎｔｅｘｔ－Ａｗａｒｅ Ｓａｌｉｅｎｃｙ Ｄｅｔｅｃｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌ— ｌｉｇｅｎｃｅ，２０１２，３４（１０）：１９１５—１９２６． ［１４］Ｓｈｅｎ Ｘ，Ｗｕ Ｙ．Ａ Ｕｎｉｉｆｅｄ Ａｐｐｒｏａｃｈ ｔｏ Ｓａｌｉｅｎｔ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｖｉａ Ｌｏｗ Ｒａｎｋ Ｍａｔｒｉｘ Ｒｅｃｏｖｅｒｙ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｍ— ｐｕｔｅｒ Ｓｏｃｉｅｔｙ Ｃｏｎｆｅｒｅｎｅｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．２０１２：８５３—８６０． 【１５］ＡＣＨＡＮＴＡ Ｒ，ＥＳＦＲＡＤＡ Ｆ，ＷＩＬＳ Ｐ，ｅｔ ａ１．Ｓａｌｉｅｎｔ Ｒｅｇｉｏｎ Ｄｅｃｔｉｏｎ ａｎｄ Ｓｅｇｍｅｎｔａｉｏｎ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇ ｏｆ ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ Ｓｙｓｔｅｍｓ．Ｓｐｒｉｎｇｅｒ，２００８． 作者简介： 庄斐弘（１９９１一），男，硕士研究生，研究方向为计算机图像处理 于威威（１９７８一），女，副教授，硕士生导师，研究方向为模式识别、计算机图像处理、数据挖掘等 收稿日期：２０１７０３—０６ 修稿日期：２０１７—０５—１０ Ｒｅｓｅａｒｃｈ ｏｎ Ｖｉｓｕａｌ Ｓａｌｉｅｎｃｙ Ｄｅｔｅｃｔｉｏｎ ＺＨＵＡＮＧ Ｆｅｉ－ｈｏｎｇ．ＹＵ Ｗｅｉ－ｗｅｉ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｇｈａｉ Ｍａｒｉｔｉｍｅ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０１３０６） Ａｂｓｔｒａｃｔ： Ｉｔ ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｍａｉｎ ｐｕｒｐｏｓｅｓ ｏｆ ｖｉｓｕａｌ ｓａｌｉｅｎｃｙ ｄｅｔｅｃｔｉｏｎ ｔｏ ｓｉｍｕｌａｔｅ ｔｈｅ ｐｈｙｓｉｏｌｏｇｉｃａｌ ｍｅｃｈａｎｉｓｍ ｏｆ ｈｕｍａｎ ｖｉｓｕａｌ ｓｙｓｔｅｍＡｓ ｔｈｅ ．ｐｒｅｐｒｏｃｅｓｓｉｎｇ ｏｆ ｉｍａｇｅ，ｒｅｌｉａｂｌｅ ａｎｄ ｒａｐｉｄ ｓａｌｉｅｎｃｙ ｄｅｔｅｃｔｉｏｎ ｃａｎ ｐｒｏｖｉｄｅ ｖａｌｕａｂｌｅ ｒｅｆｅｒｅｎｃｅ ｉｎｆｏｒｍａｔｉｏｎ ｆｏｒ ｉｍａｇｅ ｒｅｔｉｅｖａｌｉｒｍａｇｅ ，ｓｅｇｍｅｎｔａｔｉｏｎ，ｉｍａｇｅ ｒｅｔｒｉｅｖａｌ ａｎｄ ｓｏ ｏｎ．Ｈｏｗｅｖｅｒ，ａｔ ｐｒｅｓｅｎｔ，ｔｈｅｒｅ ａｒｅ ｓｏｍｅ ｐｒｏｂｌｅｍｓ ｉｎ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｏｆ ｖｉｓｕａｌ ｓａｌｉｅｎｃｙ ｄｅｔｅｃｔｉｏｎ，． Ｔｈｒｏｕｇｈ ｔｈｅ ｓｔｕｄｙ ｏｆ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ Ｆｏｕｒｉｅｒ ｓｐｅｃｔｒｕｍ ａｎｄ ｔｈｅ ｓｉｇｎｉｉｆｃａｎｃｅ ｏｆ ｔｈｅ ｉｍａｇｅ ｓｐｅｃｔｒｕｍｐｒｏｐｏｓｅｓ ａ ｐｈａｓｅ ｓｐｅｃｔｒｕｍ ａｎｄ ａｍｐｌｉｔｕｄｅ ｓｐｅｃｔｒｕｍ ｔｕｎｉｎｇ ｓａｌｉｅｎｃｙ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｗａｔｅｒｓｈｅｄ ａｌｇｏｒｉｔｈｍ，ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｖｉｓｕａｌ ｓａｌｉｅｎｃｙ ｄｅｔｅｃｔｉｏｎ ｅｆｆｅｃｔ． Ｋｅｙｗｏｒｄｓ： Ｖｉｓｕａｌ Ｓａｌｉｅｎｃｙ；Ｗａｔｅｒｓｈｅｄ；Ｆｏｕｒｉｅｒ Ｓｐｅｃｔｒｕｍ；Ｐｈａｓｅ Ｓｐｅｃｔｒｕｍ；Ｔｕｎｉｎｇ Ｓｐｅｃｔｒｕｍ 现代计算机 ２０１７．０５中①
