人类视觉系统处理一个场景时,会优先将视觉注意力集中在该场景的近似对象上,使得获取该场景中主要信息的时间最短,这些可能的对象构成的区域即为目标候选区域。在图像分析和处理过程中,目标候选区域的提取技术充分模拟了人类视觉中快速抓住目标特征的特性,有效缩减了背景区域的检测时间和相应计算量,从而提高目标检测的准确率和实时性。因此关注目标候选区域的提取技术对图像处理和计算机视觉领域的进一步发展具有重要的意义。基于此想法,本文从以下几个方面开展了研究工作。首先针对目标候选区域法产生背景窗口数量较多的问题,提出了一种基于轮廓信息进行二次筛选的改进算法。该算法首先在Lab颜色空间上使用Prewitt算子提取图像特征,然后使用二值化标准梯度特征方法中的目标候选区域算法进行候选区域的提取,最后利用轮廓信息确定候选区域当中的完整轮廓数目和有效轮廓数目,并以具体数目量来表示候选区域有效的可能性。该算法在PASCAL 2007数据库上进行了实验验证,得到每幅图像平均产生780个目标候选区域,召回率最高为0.936。当目标图像的背景单一或相对简单时,目标候选框的数目低于70。其实验结果表明新算法能够在保持较高召回率的基础上成功降低目标候选区域的数量。其次,针对背景、光照变化等不利因素的干扰,本文提出了一种基于目标候选区域的圆形标志检测算法。该算法首先对不同的光照场景使用不同的视觉效果进行处理,消除光照影响的这一不利因素,然后通过改进的HSV颜色分割算法提取目标物体的候选区域,去除背景干扰,之后对被提取的目标候选区域进行轮廓检测,检测物体的外部轮廓并进行椭圆校验。文中将该算法与几种常用的圆形标志检测算法在德国交通标志数据库上进行了评估,对比实验结果表明,该算法具有良好的检测效果,并且能适应更多不同光照变化的场景。最后,本文通过使用C++编程语言成功搭建了基于目标候选区域圆形标志检测算法的测试环境,为之后的进一步研究提供了设备支撑和实验平台。