视觉显著性检测方法及应用

视觉显著性检测是计算机视觉领域近年来的一个研究热点，具有广泛的应用前景。本书介绍了视觉显著性检测的基本知识和现有方法，并系统总结了作者近几年在视觉显著性检测方法、视觉显著性用于红外目标检测和太阳能电池片表面缺陷检测等方面的研究成果。全书共7章，分为4部分：第1部分（第1章）详细介绍了视觉显著性检测的定义、分类、应用等相关基础知识；第2部分（第2章）对视觉显著性检测领域的研究现状进行了分类介绍，并分析了现有工作存在的问题；第3部分（第3～5章）详细介绍了本书提出的3种视觉显著性检测方法；第4部分（第6、7章）详细介绍了视觉显著性在红外目标检测和太阳能电池片表面缺陷检测中的应用。另外，第3～7章均包含相关的实验案例，以便有兴趣的读者进一步钻研探索。 本书可为高等院校电气工程、控制科学与工程、计算机科学、信息科学、人工智能等领域的研究人员和工程技术人员提供参考，也可作为相关专业高年级本科生和研究生的教学参考书。

钱晓亮，男，1982年10月生，河南孟州人，2013年毕业于西北工业大学自动化学院控制科学与工程专业，获工学博士学位。曾主持或参与国家自然科学基金5项，国家973项目1项，总装备部预研项目1项，航空科学基金1项，河南省科技厅科技攻关项目3项，河南省高等学校重点科研项目2项。主持完成省部级项目鉴定2项。获河南省科技进步奖、教育厅科技成果奖各1项。发表学术论文30余篇，其中SCI索引论文10余篇，EI索引论文20余篇，国家发明专利7项，实用新型专利和软件著作权各1项。主要研究方向为：计算机视觉，模式识别与人工智能，视觉注意力计算。

第1章 绪论 1
1.1 引言 1
1.2 视觉显著性检测的研究现状 3
1.3 视觉显著性检测的应用现状 4
1.4 本书的主要内容和章节安排 7
1.4.1 主要内容 7
1.4.2 章节安排 10
第2章 视觉显著性检测方法综述 13
2.1 引言 13
2.2 预备知识 13
2.2.1 视觉注意与视觉显著性 14
2.2.2 视觉显著性模型的分类 15
2.3 方法评价 18
2.3.1 基准测试库 18
2.3.2 定量对比方法 21
2.4 流行检测方法介绍 24
2.4.1 特征组合理论 24
2.4.2 信息论 28
2.4.3 图上随机游动理论 29
2.4.4 决策理论 30
2.4.5 贝叶斯理论 31
2.4.6 频域分析 32
2.4.7 机器学习 34
2.4.8 其他 35
2.5 现有方法存在的问题及解决方案 36
2.5.1 现有方法存在的问题 36
2.5.2 解决方案 38
2.6 发展趋势 40
2.7 本章小结 41
第3章 一种基于加权稀疏编码的频域方法 42
3.1 引言 42
3.2 过完备稀疏编码 44
3.2.1 过完备稀疏编码的神经生理学基础 45
3.2.2 图像的过完备稀疏编码 46
3.2.3 过完备字典的构造 49
3.3 加权稀疏编码 51
3.3.1 增量编码长度算法 51
3.3.2 稀疏编码的权重 52
3.4 图像标记算法 54
3.4.1 基于图像标记算法的显著性提取 54
3.4.2 相关理论证明 56
3.5 基于加权稀疏编码的图像标记算法 59
3.5.1 单通道的图像标记算法 60
3.5.2 多通道的图像标记算法 60
3.6 实验对比 61
3.6.1 主观对比 62
3.6.2 定量对比 64
3.6.3 算法复杂度评估 65
3.7 本章小结 66
第4章 基于对比度的视觉显著性检测方法 68
4.1 引言 68
4.2 总体思想 69
4.2.1 对比度引入的动机 70
4.2.2 实现方案 75
4.3 候选中心-外围对比度 75
4.3.1 计算原理 75
4.3.2 实现细则 80
4.4 对比度 82
4.4.1 单尺度下的中心-外围对比度筛选 82
4.4.2 多尺度增强算法 84
4.5 实验对比 86
4.5.1 主观对比 87
4.5.2 定量对比 89
4.6 本章小结 93
第5章 融合长期特征和短期特征的贝叶斯模型 94
5.1 引言 94
5.2 总体思想 95
5.2.1 先验知识的作用和使用方式 95
5.2.2 当前观测信息的作用和使用方式 99
5.2.3 先验知识和当前观测信息的融合 101
5.2.4 实现方案 102
5.3 长期特征和短期特征 103
5.3.1 长期词典和短期词典 103
5.3.2 特征提取 105
5.4 基于贝叶斯模型的视觉显著性检测 105
5.4.1 贝叶斯模型 105
5.4.2 特征概率分布的估计 108
5.4.3 视觉显著性随空间位置变化的条件概率分布估计 111
5.5 实验对比 112
5.5.1 主观对比 113
5.5.2 定量对比 115
5.6 本章小结 116
第6章 基于视觉显著性的红外目标预检测 117
6.1 引言 117
6.1.1 研究背景与意义 117
6.1.2 相关工作 118
6.1.3 总体解决方案 121
6.2 基于小数目标尺度的红外图像混合滤波算法 124
6.2.1 红外图像噪声分析 124
6.2.2 降噪算法的总体设计思路 125
6.2.3 小数目标尺度 126
6.2.4 基于小数目标尺度的自适应高斯滤波器 130
6.2.5 基于小数目标尺度的自适应中值滤波器 130
6.3 视觉显著性检测方法的选择 132
6.3.1 综合定量对比的实验准备 133
6.3.2 综合定量对比 134
6.3.3 原理分析 138
6.4 红外目标预检测 139
6.4.1 基于视觉显著性检测的窗口特征算子 139
6.4.2 基于SLIC超像素分割的窗口特征算子 140
6.4.3 窗口特征算子参数的估计 142
6.4.4 窗口特征的贝叶斯融合 143
6.4.5 目标窗口的确定 144
6.5 实验对比 145
6.5.1 红外图像降噪实验对比 145
6.5.2 红外目标预检测实验对比 147
6.6 本章小结 150
第7章 基于视觉显著性的太阳能电池片表面缺陷检测 151
7.1 引言 151
7.1.1 研究的背景与意义 151
7.1.2 相关工作 152
7.1.3 存在问题及解决方案 158
7.2 太阳能电池片表面图像预处理 159
7.2.1 图像采集 159
7.2.2 图像降噪 162
7.2.3 栅线删除 163
7.2.4 栅线填充 164
7.3 基于视觉显著性的缺陷初始检测 165
7.3.1 自学习特征提取 165
7.3.2 低秩矩阵复原 167
7.3.3 获取视觉显著图 169
7.4 基于视觉显著性和图像分割的缺陷精确定位 171
7.4.1 图像分割 171
7.4.2 基于视觉显著性的缺陷定位 174
7.5 基于形态学的检测结果优化 175
7.5.1 形态学理论 175
7.5.2 形态学优化 176
7.6 实验设计 178
7.6.1 主观对比 180
7.6.2 客观对比 184
7.7 软件设计与使用 187
7.7.1 检测软件的设计 187
7.7.2 软件功能及操作介绍 189
7.8 本章小结 191
参考文献 192

随着信息技术的发展，图像数据的规模变得越来越大，面对如此庞大的图像数据，如何能够快速而准确地完成各种图像分析任务已经成为当前研究的一个重要方向。视觉显著性检测是计算机视觉领域中模拟灵长类动物的视觉注意机制而出现的一个课题，它可以引导机器视觉系统将有限的硬件资源优先分配给少数几个显著区域，为后续的视觉处理（如图像理解、场景分析、目标检测和识别等）提供极大的便利。

　　自1998年Laurent Itti提出种视觉显著性检测方法以来，视觉显著性检测技术得到了越来越多的关注。越来越多的科研人员投入到视觉显著性检测的研究中，涌现出了大量的视觉显著性检测方法、开源代码和Benchmarks，各种基于视觉显著性的应用也层出不穷。目前，有关视觉显著性检测的论文、评论等相关资料较为丰富，但是相关的书籍不多，有限的几本著作也侧重于视觉显著性的应用，尚缺乏专门针对视觉显著性检测方法、使读者了解视觉显著性检测的来龙去脉、为以后进一步深入研究视觉显著性检测方法或者使用视觉显著性检测做相关应用奠定基础的书籍。

　　本书以“保证基础、突出能力培养”为根本出发点，对章节安排和内容描述方式做了精心设计。全书可分为4部分内容。第1部分详细介绍了视觉显著性检测的定义、分类、应用等相关基础知识，可使基础较弱的读者快速了解相关知识；第2部分对视觉显著性检测领域现有的研究工作按照设计思路的不同进行了分类介绍，并分析了现有工作存在的问题，使读者对本领域的研究现状有了大致的了解；第3部分按照“创新动机—设计思路—方法展开—实验验证”学术研究路线，详细介绍了本书提出的3种视觉显著性检测方法，使读者在学习视觉显著性检测方法的同时，了解学术研究的大致流程，对相关专业的高年级本科生和研究生培养起到促进作用；第4部分介绍了视觉显著性在红外目标预检测和太阳能电池片表面缺陷检测中的应用，使读者了解视觉显著性在实际任务中的应用方法。

　　我们依托郑州轻工业学院河南省信息化电气重点实验室，成立了人工智能与模式识别研究室，致力于人工智能在计算机视觉和模式识别领域的研究与应用，本书即是我们研究工作的初步总结。

　　本书由郑州轻工业学院电气信息工程学院的钱晓亮博士负责第1～5章的撰写，曾黎老师负责第6章和第7章的撰写，王慰教授负责指导算法的设计和实验验证方案，王延峰教授负责全书的章节安排并审阅了书稿的全部内容。

　　本书的完成离不开郑州轻工业学院电气信息工程学院人工智能与智能系统团队的多位老师和研究生的支持和帮助，感谢团队中杨存祥教授、吴青娥教授、姜利英教授、过金超副教授、毋媛媛博士、陈虎博士、刘玉翠博士、赵素娜博士、王芳博士、张焕龙博士、贺振东博士、刁智华博士、杨飞飞博士、张吉涛博士和李金城硕士对本书的关心、支持与辛勤付出，感谢团队中张鹤庆、李佳、白臻、林生、栗靖、李二凯、成曦等研究生在写作过程中的无私付出与辛勤努力。本书的工作也得到郑州轻工业学院电气信息工程学院领导，以及国家自然科学基金（61501407、61632002、61472372、61603350）、国家“973”计划（613237）、河南省重大科技专项（161100211600）、河南省科技创新杰出人才项目（174200510012、184200510015）、河南省科技创新杰出青年项目（164100510017）、河南省高校科技创新团队（19IRTSTHN013）、郑州轻工业学院博士基金项目（2014BSJJ016、2015BSJJ025、2015BSJJ027、2016BSJJ006）等科研项目的支持，特此感谢。同时，特别感谢电子工业出版社的大力支持和帮助，感谢董亚峰老师和米俊萍老师付出的辛勤劳动与努力。感谢书中所有被引用文献的作者。

　　视觉显著性检测方法及应用一直发展较快，本书的取材和安排完全是作者的偏好，由于水平有限，书中内容可能存在遗漏和不妥之处，恳请广大读者批评指正。

　　作 者

　　2018年2月

　　郑州轻工业学院