1、人類主要通過視覺系統(tǒng)來獲取信息和感知世界，而通過視覺獲取的信息相互影響、相互融合從而幫助人們從復雜的場景中快速精確地定位自己感興趣的目標或區(qū)域。在計算機視覺研究領域，把對人類視覺的這一特性的仿真稱為顯著性分析。計算機的視覺載體是數(shù)字圖像，然而數(shù)字圖像中的信息往往存在很大的冗余，最能表征圖像內容、最能吸引人注意力的區(qū)域往往只集中在圖像的一些小的關鍵區(qū)域，這個區(qū)域被稱為顯著性區(qū)域或感興趣區(qū)域。顯著性分析就是對這些顯著性區(qū)域進行高效地檢測、提

2、取和表示，從而描述場景中對象對視覺注意力的吸引能力。
　　論文第一部分主要對幾種典型的顯著性分析算法做了詳細的研究，從基于生物學啟發(fā)、基于對比度分析模和基于頻域分析三個模型著手，主要介紹了IT算法、GBVS算法、MZ算法、RC算法、SR算法和IG算法。上述算法雖然基于不同的理論基礎，但均獲得了較好的顯著圖效果，是研究顯著性算法引用較多的、非常具有代表性的成熟算法，也是本文提出新算法的基礎。
　　論文的第二部分提出了一種新的研

3、究思路，綜合對比度分析和頻域分析模型的各自特點，本文提出了圖像局域清晰測度算法將兩種模型的優(yōu)點結合起來。本文算法基于頻率調諧的彩色圖像顯著性區(qū)域檢測的步驟為：用局域清晰測度算法將圖像分為目標區(qū)域和背景區(qū)域，其中局域清晰測度高的部分為圖像的細節(jié)區(qū)域，對映頻域的高頻信息；局域清晰測度低的部分為圖像的背景區(qū)域，對映頻域的低頻信息。然后，針對區(qū)域的不同頻率信息采用不同的顯著性分析算法；并用 KSVD稀疏表示算法對背景區(qū)域顯著圖做目標提取來祛除偽

4、目標；最后將目標顯著圖和背景顯著圖融合得到最終的顯著圖。相較于現(xiàn)有的顯著性分析方法，本文算法生成的顯著圖質量更高，性能更好。
　　論文的第三部分介紹了本文顯著性算法在多聚焦圖像融合和紅外目標檢測領域的應用，取得了比較理想的效果。
　　本文在經典算法的基礎上，突破已有模型間的界限，找到模型間的結合點，提出新的算法。本文算法生成的顯著圖在主觀和客觀的評價上都優(yōu)于其他算法。根據顯著圖的用途，將本文算法應用到圖像融合和目標檢測領域，