1、隨著數(shù)字圖像數(shù)量的飛速增長，各行各業(yè)對數(shù)字圖像處理技術(shù)的需求也日趨增加。而隨著數(shù)字圖像技術(shù)的發(fā)展，由傳統(tǒng)的基于圖像底層特征的圖像處理技術(shù)與圖像高層語義之間的鴻溝所造成的圖像理解的誤差也越發(fā)明顯，為了更好的理解圖像中的內(nèi)容，本文重點(diǎn)研究了圖像中感知對象的分割算法。
　　有相關(guān)研究表明，人們在觀察圖像的時(shí)候，通過對圖像的短暫觀察和理解之后，往往只關(guān)注圖像中的某個(gè)或多個(gè)物體，這樣的物體往往代表了圖像需要傳達(dá)的大部分信息，在很多的圖像應(yīng)用

2、中只關(guān)注此類物體可以顯著地提高圖像處理的效率以及準(zhǔn)確性，這樣的物體在本文中我們稱之為感知對象。
　　本課題的主要研究內(nèi)容就是如何從一幅未給出任何先驗(yàn)信息的圖像中檢測出感知對象，并且同時(shí)分割出感知對象的具體形狀。本文根據(jù)兩種完全不同的思路，分別提出了無監(jiān)督和有監(jiān)督的感知對象分割算法。
　　本文的主要工作及創(chuàng)新點(diǎn)如下：
　　1.首先對圖像中感知對象這一概念進(jìn)行了介紹，對感知對象分割方法的研究意義和課題背景進(jìn)行了闡述，然后對

3、與本課題相關(guān)的算法進(jìn)了分類介紹。
　　2.研究了基于顯著圖融合的感知對象分割算法。該算法首先根據(jù)一幅輸入圖像計(jì)算出三種不同的顯著圖：對比度顯著圖、顏色分布顯著圖以及頻譜殘差顯著圖。然后利用圖像分割算法對輸入圖像進(jìn)行過分割處理，再結(jié)合得到的顯著圖計(jì)算出每一塊過分割區(qū)域的區(qū)域感知度，最后通過對區(qū)域感知度進(jìn)行閾值處理分割出圖像中的感知對象。
　　3.研究了基于學(xué)習(xí)的感知對象分割算法。該算法采用了潛在狄利克雷分布對文檔進(jìn)行建模的思想