【图像检测】基于Itti模型实现图像显著性检测附matlab代码

视觉显著性计算模型以心理学、神经科学、认知理论等领域的研究成果或假说为前提,建立数学模型来模拟人类视觉系统指引注意力分配和视觉认知的过程,通过模拟和仿真人类视觉感知机理,将存在待检测目标的人眼感兴趣区域视为图像中某些特征显著的像素点的集合,计算图像中这些显著点来检测感兴趣区域,从而可以快速而有效地处理视觉数据。在图像分割、目标检测、场景感知等许多图像处理任务中,图像中不同区域对视觉系统刺激程度不同引起的视觉显著性信息将系统资源优先集中于感兴趣区域进行计算分析,降低了处理过程的复杂性,为后续处理提供了极大的便利。

function Nimg = Gscale(img,levels,gsize,sigma)%  Function to generate a gaussian-pyramid for the given input image%% Input:  %        img: input image-matrix grayscale%        levels:  number of levels of the pyramid %        gsize: size of the gaussian kernel 高斯核的大小 [w h] ([5 5] normally provides a smooth output)%        sigma:  sigma for gaussian kernel % Output:%        Nimg:  is a struct consisting of images from each level%            :  Nimg.img;% Usage:%      im = imread('cameraman.tif');%      Nimg = Gscale(im,3,[5 5],1.6);%      i = 2; %select a level%      figure; imshow(Nimg(i).img);%% Author: Pranam Janney                     Date: 24th July 2006 15:39% Email: pranamjanney@yahoo.com%% Revised Version 1.0.1                     Date: 04th August 2006, 10:50%​%guassian filter  with a sigma=1.6  %高斯滤波g = fspecial('gaussian',gsize,sigma); %为高斯低通滤波，有两个参数，hsize表示模板尺寸，sigma为滤波器的标准值，单位为像素，%pyramidfor i = 1:levels    if i == 1        im = imfilter(img,g,'conv');        Nimg(i).img = im;    else         %perform guassian filtering        im = imfilter(Nimg(i-1).img,g,'conv');        %perform downsampling (horizontal)        im1 = im(:,1:2:size(Nimg(i-1).img,2));        %vertical        im2 = im1(1:2:size(Nimg(i-1).img,1),:);        %store it in a struct format        Nimg(i).img = im2;    endend        %End        ​

[1]陆吉. 基于改进ITTI模型的SAR图像目标检测[J]. 测绘与空间地理信息, 2018, 41(11):5.

部分理论引用网络文献，若有侵权联系博主删除。