要实现这个目标，需要计算机能够理解周围的环境。人类感知外界信息的最主要方式是通过视觉，因此计算机理解周围环境的关键是具有视觉感知处理能力1。而图像也成为越来越重要的信息传递媒介。由于视觉系统具有视觉注意机制，因此人类可以毫不费力地从复杂的背景中识别目标。与此对应，在计算机中，可以通过计算图像的区域显著性来高效地完成图像处理任务。由此可见，图像中最重要的部分经常集中在一些小的关键区域，即所谓的显著区域23。图像显著性检测的任务是找出图像中哪些区域更容易成为人类视觉注意的焦点，一般用显著图来表示图像的显著性，显著图中的像素值表示图像对应区域的显著程度。目前，图像显著性检测在内容传输、图像压缩、图像分割、目标识别、图像缩放、图像恢复、图像编辑等方面都有应用。在图像检测与识别领域中，人脸识别是一个当前热门的研究方向。据统计，在2014年的中国国际社会公共安全博览会上，至少有20家企业展示了自己的人脸识别产品。同时，众多媒体也接连报道了人脸识别技术在学术界和工业界取得的巨大成果。在这些背景下，本课题采用频域显著性检测算法计算人脸样本照片的显著性区域，通过大量样本数据的统计分析，来研究人脸各个部位的显著性差异，以便更加清晰直观且更具科学依据地了解人脸的显著性特点。
第1页，共11页
f创新学分论文
2显著性检测方法
21显著性检测的主要方法显著性检测方法有多种分类方式：按照显著模型可以分为三类：123基于低层视觉特征，代表性算法是模拟生物体视觉注意机制的选择性注意算法Itti没有基于任何生物视觉原理的纯数学计算方法，如全分辨率算法AC算法和基于将前两种进行融合的方法，代表性算法基于图论的算法Graphbasedvisualsalie
cy，算法。空间频域分析的剩余谱算法SpectralresidualapproachSR4。GBVS。按照处理空间的不同可以分为：考虑局部特征的，如Itti算法和GBVS算法；和考虑整体性的，如SR算法和IG算法。而在本课题中，采用一个新的显著性区域检测算法（PQFT算法）。该算法主要在频域进行处理，同时利用了空间域信息。频域处理可以非常高效地抑制重复出现的背景，而空间域信息则用于选择一个突出整个显著物体的最佳显著图。因此，该算法具有突出整个显著物体，抑制重复出现的背景和计算效率高的等特点5。22显著性检测算法介绍221PQFT概述PQFT（PhaseSpectrumofQuater
io
FourierTra
sform）模型是有Guo等人在SR（SpectralResidual）算法基础上提出的，该r