1、近年來(lái)，顯著性檢測(cè)已經(jīng)在國(guó)內(nèi)外相關(guān)領(lǐng)域研究中得到了廣泛關(guān)注，并取得了許多成果，但是已有的研究往往注重單幅圖像與單視頻的處理。伴隨互聯(lián)網(wǎng)等技術(shù)的飛速發(fā)展，從多幅圖像或多視頻中，尋找相同或相似的顯著性目標(biāo)的協(xié)同顯著性檢測(cè)技術(shù)已逐漸成為一種新的應(yīng)用需求。目前，在多幅圖像協(xié)同顯著性檢測(cè)相關(guān)的協(xié)同分割、協(xié)同定位、目標(biāo)檢測(cè)等應(yīng)用領(lǐng)域已有了較廣泛深入的研究，并引起了廣泛關(guān)注。相比單幅圖像顯著性檢測(cè)而言，多幅圖像協(xié)同顯著性檢測(cè)亟需解決的關(guān)鍵問(wèn)題是如何快

2、速有效地檢測(cè)出多幅圖像中的協(xié)同顯著性目標(biāo)。
　　為了建立一種快速有效的多幅圖像協(xié)同顯著性檢測(cè)方法，本文提出了基于圖像分塊與截?cái)鄡绲奶卣魈崛〉念A(yù)處理方法以及基于K-Means與自適應(yīng)協(xié)同顯著圖生成的協(xié)同顯著性檢測(cè)方法。首先，采用一種基于圖像分塊與截?cái)鄡绲奶卣魈崛》椒▽?duì)輸入圖像進(jìn)行特征提取，實(shí)現(xiàn)在最大程度保留原圖像特征的同時(shí)有效減少特征點(diǎn)的數(shù)量與特征的個(gè)數(shù)。然后，使用K-Means聚類算法對(duì)提取的稀疏特征進(jìn)行聚類，同時(shí)計(jì)算出三種基于聚

3、類的顯著性特征值并生成相應(yīng)的特征顯著圖。并且進(jìn)一步提出基于圖像內(nèi)容的自適應(yīng)權(quán)值協(xié)同顯著圖生成方法以提高協(xié)同顯著性檢測(cè)的效果。通過(guò)在兩個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn)并與已有典型多幅圖像協(xié)同顯著性檢測(cè)方法相比較可知，本文方法在提高檢測(cè)精度的同時(shí)，可大幅提升多幅圖像協(xié)同顯著性檢測(cè)的處理效率。最后，將上述方法應(yīng)用到具有噪聲圖像的多幅圖像協(xié)同定位中，通過(guò)多幅圖像協(xié)同顯著性檢測(cè)來(lái)過(guò)濾噪聲圖像以降低具有噪聲圖像的協(xié)同定位方法的復(fù)雜性，并在Visual S