文献综述
研究背景当今信息技术领域，成像技术的快速发展使得人们所获得的图像尺寸持续增大，图像信息量明显提升。
然而，对于一幅图像，人们所关注的图像信息往往只是其中的一小部分，也就是最引人注目的那一部分。
如今大多数传统的图像处理技术基本都对图像进行全局处理，图像数据信息的海量提升使得其越来越无法适从。
针对此问题，本实验尝试研究出检测出图像中的吸引人注意的区域的合成方法，即图像的显著性检测。
长期以来，视觉显著性一直是神经科学、心理学、神经系统和计算机视觉中的一个基本问题。
它最初被定义为预测图像上的眼睛注视的任务(Itti and Niebur 1998).最近，它被扩展到包含显著对象的识别区域，称为显著对象检测或显著区域检测。
显著对象检测的应用包括对象检测和识别、图像压缩、图像裁剪、照片拼贴 、主色检测等等。
计算图像显著性图的流水线在图 1 中示出（包括多级分割、每一级的显著性计算、多级显著性融合）(图1见附件)研究意义 近年来，随着信息的爆炸式增长的同时，大量的冗余信息也紧紧伴随，为信息的有效利用带来巨大的挑战，因而，如何从海量信息中选择出有效部分显得尤为关键。
此外，人类对信息的筛选工作，主要是通过视觉系统及其神经系统来协调完成的。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
