第7卷第8期(2011年3月)ComputerKnowledgeandTechnology电脑知识与技术ISSN1009-3044ComputerKnowledgeandTechnology电脑知识与技术Vol.7,No.8,March2011,pp.1857-1859E-mail:eduf@ccccwwdnzsTel:+86-551-56909635690964一种基于显著区域的图像分割方法桂小玲（厦门大学计算机科学系，福建厦门361005）摘要：提出了一种基于显著区域的图像分割方法。该方法首先根据自底向上的人类视觉注意模型计算出图像的综合显著图，以便反映出图像中各区域的重要程度；然后在此基础上，设计了两种分割算法，分别是基于1-D直方图最大熵法的区域分割和基于注意焦点的区域增长，其中注意焦点从显著图中得到；并结合显著图和分割图，以区域的平均显著度为依据提取显著度最高的前三个区域，从而实现了对显著区域的有效分割。实验表明，该方法在一定程度上反映了图像的语义特征，能得到较好的分割效果。关键词：图像分割；视觉注意模型；显著图；注意焦点；感兴趣：TP391文献标识码：A：1009-3044(2011)08-1857-03ImageSegmentationBasedonRegionsofInterestGUIXiao-ling(DepartmentofComputerScience,XiamenUniversity,Xiamen361005,China)Abstract:Basedontheregionsofinterest,aprocedureforimagesegmentationisproposed.Intheprocedure,anintegratedsaliencymapforagivenimage,whichreflectsthesignificanceofregionsintheimage,isgeneratedfirstbasedonthebottom-uphumanvisualattentionmodel,thentworegionsegmentationmethods,theimagesegmentationusingthemaximumentropyoftheone-dimensionalhistogramandtheregiongrowingbasedonthefocusofattention,aredefinedandusedtoseparatetheimageintodifferentregions.Here,thefocusofat-tentionisobtainedfromthesaliencymap.Hereafter,combiningthesaliencymapandthesegmentedimage,thefirstthreemostsalientre-gions,asthesalientregionset,areobtainedintermoftheaveragesaliencyoftheregions.Experimentalresultsshowthatourmethodcanreflectthesemanticfeatureofagivenimagetoacertainextent,anditcanobtainbettersegmentationresults.Keywords:imagesegmentation;visualattentionmodel;saliencymap;focusofattention;regionofinterest在对图像的研究和应用中，人们往往只对图像中某些部分感兴趣，这些部分常称为前景或目标，它们对应图像中具有特定的、独特性质的区域[1]。为了辨识和分析目标，只有将它们分离提取出来，才能对目标进一步分析和利用。图像分割[2]就是把图像分割成若干个有意义区域的过程，它是图像分析和理解的基础。其中，显著区域即感兴趣区域(RegionsofInterest简称ROI)，是图像中最能引起用户兴趣、最能表现图像内容的区域。而人眼的视觉选择性注意机制就是使人们能够在复杂的视觉环境中快速定位感兴趣目标。目前，关于图像显著性提取方法很多[3-5]，其中最具代表性的成果是Itti[6]等人依据生物视觉系统的注意机制提出的中央-周边（Center-Surround）结构的显著性计算方法。大量实验表明，该算法的实验结果与视觉主观分析结果基本吻合。为此，本文借鉴Itti等人的视觉注意计算模型来提取图像的显著区域。同时，本文在该模型提取显著图的基础上，运用图像分割和区域生长，提出了两种ROI提取算法，分别是基于1-D直方图最大熵法的区域分割算法和基于注意焦点的区域增长算法，并把这两种算法相结合，扬长避短，提取出图像的感兴趣区域。1图像显著图的计算1.1视觉注意模型Itti[6]模型把人观察图像时的注视焦点作为用户感兴趣点，采用一种自下而上的注意机制提取输入图像的亮度、颜色和方向特征作为视觉初级特征，采用中央-周边差操作和非线性归一化得到对应的特征显著图，将各特征显著图进行线性组合得到总显著图，最后采用胜者占有的神经网络和抑制返回机制进行注意转移。模型如图1所示，该模型能自适应地检测图像中的感兴趣区域，相比于需要人为指定感兴趣区域的大多数传统算法，在目标检测和识别等图像处理任务中有很大的优势。1.2显著图提取效果及击中率图2列出了部分图像及其对应的显著图。在计算显著图的过程中，结合胜者占...