·78 智能系统学报 第7卷 2.2.2选取弹性阙值 的地方恰恰有可能是与背景有显著差异的物体在图 显著性图像统计特性往往是目标检测的重要特 像上所产生的频谱变化.因此利用谱残差R()的傅 征，并且通过限定研究的目标环境，这都能为钢板表 里叶逆变换S(x)来表示显著物体所在的区域。 面的实际缺陷这一特定问题进行特定研究提供方 R(f)=log(Re(F[I(x)]))- 便.国外众多学者研究发现，自然图像中存在一定的 log(Re(F[I(x)]))*h(f), 统计特性，如图3所示，2幅自然图像的傅里叶谱能 S(x)=g(x)x F[exp[R()]Im(F[I()]]2 量的分布虽然不是标准高斯分布，但二者形状类似， 谱残差R()中只有极少数地方具有较高能量的 且都具有低频能量的高密度分布（很高的尖端）和 频谱，这很可能对应的是显著目标而由S(x)求得的显 存在高频能量的可能性较高（很长的尾部）的特 著性图表达了不同像素的显著程度，采用弹性阈值对 征] 显著性图像进行二值化处理以获得最后的显著目标区 域].如图5所示，在对各种已有钢板的表面样本图进 行检测实验后，笔者发现阈值0.2能获得一个普遍较 好的显著目标区域而相较于0.2的阈值，0.1的阈值 会增加显著性区域图像的干扰噪声点（即非显著性区 域).阈值为0.5时虽然干扰噪声点明显减少，但同时 丢失了过多的细节信息，这样在后续的与Gbor小波 特征融合时会产生影响，对于个别图像，可以通过判断 显著目标区域面积大小或者是显著目标区域的数量来 自动放大或缩小阈值， 图32幅自然图像及其对应的傅里叶能量谱 Fig.3 Fourier energy spectrum of two natural images 经过数据模拟发现，多幅图像平均的傅里叶谱 能量分布服从1/P律，其中1≤a≤2，如图4所示. (a)T0.1 (b)T-0.2 (c)T-0.5 同样地，人们发现单幅图像的傅里叶谱能量分布虽 然并不较好地服从1/P律，但是如果对其进行平滑 图5不同图像在不同阈值下的显著性区域 处理，如采用局部平均即可得到平滑的傅里叶谱能 Fig.5 Saliency regions in different images under dif. ferent thresholds 量分布，结果则能够比较好地用1严律来描述，如 图4所示。 3 实验结果及分析 15 15p 15 3.1实验步骤及结果 10 10 实验测试平台选用的PC配置为Intel Core (TM)2 Duo CPU E74002.80GHz、2 GB RAM,图像 尺寸约为840×540大小.图6(a)是原始的钢铁铸 04 40.80120 4080120 坯表面灰度图，可以清楚地看到其右表面上有1条 频率/Hz 频举/Hz (a)单幅图像 (6)10幅图像 (c)100幅图像 纵向的划伤，以及中部附近有残留物压入，这类表面 图4单幅图像的对数谱和多幅图像的平均对数谱 缺陷的危害性极大.图6(b)是原图经过显著性区域 Fig.4 Logarithmic spectrum of single-image and multi- 处理后得到的灰度图像，图中纵向孔洞区域的位置 images 显著性特征非常明显，由于得到的显著性图像进行 对于单幅图像的傅里叶谱能量分布不能很好地 了拉伸归一化，使处理之后的灰度范围变为 服从1/律的现象，可以认为那些和1/P律不相符 [0,255],所以就可以将T=0.2的阈值设定为