目前,图像感兴趣区域检测算法是学术界的一个研究热点,不同场景采用的检测方法不同。本文提出了新的感兴趣区域检测算法,并针对QR码美化和视频帧图像水印选块的应用场景进行改进以满足各自的需求。主要创新点如下:(1)基于多特征的感兴趣区域检测新算法现有的感兴趣区域检测算法主要根据人眼视觉模型(Human Visual System,HVS),利用单一特征进行检测,准确率随不同应用场景而下降。因此本文分析了图像的多个特征,在结合亮度特征和颜色特征的同时,加入了纹理特征实现新的多特征组合。其中纹理特征由熵、能量、对比度、同质性和相关性进行描述,其样本根据纹理复杂度进行划分,由线性回归方法预测得到权重。新的多特征组合使感兴趣区域检测更加精准,对亮度变化较大的图像也有较好的检测结果。(2)基于感兴趣区域的QR码美化策略在不影响解码率的前提下,背景图像和标准QR码通过数据替换生成美化QR码。背景图像感兴趣区域被展示的越多,美化效果越好。由于已有QR码美化算法只能修改数据区,可替换区域面积较小。因此,本文利用提出的基于多特征的感兴趣区域检测新算法检测背景图,根据获取的单目标和多目标感兴趣区域,利用改进的正向基矩阵和可选基矩阵修改QR码的数据区和校验区,使得感兴趣区域可以替换更大面积,进而得到视觉效果更佳的美化QR码。(3)基于感兴趣区域的视频帧图像水印选块策略如何达到透明性和鲁棒性平衡是视频帧水印算法要解决的关键问题,通常选取视频帧图像的某些块嵌入水印,因此块的选取策略尤为重要。针对这个问题,本文构造透明性多特征组合和鲁棒性多特征组合用于感兴趣区域检测,只有当这两个特征值同时达到阈值,才选取该块作为水印嵌入区域。其中基于透明性选取了显著性特征和纹理特征进行多特征组合,其正负样本是由嵌入水印前后峰值信噪比(Peak Signal to Noise Ratio,PSNR)的值来标定;基于鲁棒性的多特征组合不仅选取了以上特征,还加入了模糊特征,其正负样本是由嵌入水印的视频帧图像的抗压缩攻击能力来标定。其特征权重均通过线性回归学习样本得到。