2。2人类视觉系统的基础结构*   11

       2。3自底向上类型的模型*

         2。3。1Itti模型*

         2。3。2AIM模型 

          2。3。3HFT模型*

第三章 算法界面设计及结果

第四章 自底向下的几种算法比较及结果*

4。1几种算法的简单介绍*

4。1。1 IT算法

4。1。2 FT算法

4。1。3 SR算法

4。1。4 CA算法

4。1。5 RC算法

4。1多种算法在数据库的不同结果*

4。2。1 ASD*

4。2。2 ECSSD*

4。2。3DUT_ORMOM

第五章 总结和展望

                          第一章   绪论

1。1课题的目的和意义

显而易见的，视觉，是我们人类很重要的一个感知觉，我们平时在生活中所接受的外界信息几乎都来自于我们的眼睛，而当我们的眼睛在观察复杂的对象的时候，我们并不会对观察对象的每个部分都感兴趣，而我们感兴趣的对象或者对象中的某一部分会迅速的被发现而首先显示出来，它们会得获得更多的关注度。这些都是通过人类的视觉注意机制所筛选的。在这个信息技术发展飞快的时代，图像信息也随之增长，这个时候，人们自己处理信息的能力就显得微不足道，不得不借助计算机来处理和分析这些信息和数据。另一方面，人们也希望计算机能够像人眼一样迅速且准确的抓住重要的信息，因为用一个标准全面的处理所有的图像数据是不科学也不现实的也不必要的，那么，怎样尽快的实现这个要求就是视觉显著性检测的问题，也是计算机视觉和信息处理研究中常常遇到的难点。

随着互联网的快速发展和逐步的全球化，数字技术的发展急剧的加速了图像信息与人类生活不同方面的交流，图像这个词语，渐渐的变成了信息时代的重要支柱。同时手机，电脑等数字化设备的普及，图像和视频数据被大量的储存积累。然后就会面临怎样高效智能分析这些数据，并且区分不同类型和区域成为一个热点问题。传统的分析图像的方法将图像所有区域都赋予一样的处理优先级，但是在实际应用中进行这样的加工和分析会很浪费计算机资源，而且得不到具体想要的结果。

当信号处理理论与计算机出现后，人们已经成功用摄像机获取图像并且转换成数字信息，成像传感器的多样化和逐渐的普及化，图像分辨率的提高，图像数据库信息的长年积累。可消费的电子产业更是将视频在图像数据中占有的比例提升到了一个接近巅峰的地位，成为了视觉信息的主要载体，视频的海量化远远大于静态的图像资源。论文网

有研究表明，人类的视觉系统自身就具有十分高效的数据筛选能力，这种感知的容易程度是由系统的高度发达所决定。而计算机的视觉就是模仿人类的视觉系统，使其具有智能的视觉感知和分析能力。那么当人类面对不断变换的场景时，为何总能迅速的注意到有关的重要信息，又是做出什么样的响应当对面这些信息呢?大量的心理学研究表明，人类视觉注意机制大概分为预注意阶段和注意阶段，因此，视觉注意模型也相应的分为两类，一类是基于数据的自下而上的数据驱动模型，一类是基于任务的自上而下的任务驱动模型。当前大多数研究都是集中于自底向下的计算模型，这是因为自顶向下的注意更加复杂化。

视觉注意的研究工作来源于神经学和认知心理学，人们试图从认知心理学的角度解释人类是如何快速的抓住注意的目标。 MATLAB自底向上的显著目标检测算法的比较研究(2):http://www.youerw.com/jisuanji/lunwen_95678.html