非真实感绘制(Non-Photorealistic Rendering, NPR)是计算机图形学中的一个重要领域,其目标主要在于表现图形的艺术特质,模拟艺术作品。一般情况下,非真实感绘制涵盖了对目标场景的抽象化绘制和风格化绘制,特别是抽象化绘制技术,能够有助于简化视觉线索,弱化不必要的多余图像信息,更有效地传达场景中的视觉兴趣部分,从而模拟艺术家和设计师的眼光来观察和描述客观世界。论文首先模拟树状结构层次地介绍发展研究现状,以计算机图形学为根结点依次向下延伸至现有的主要非真实感绘制技术(风格化绘制和抽象化绘制),并在此基础上讨论了基于视觉显著性的抽象化绘制。同时结合认知心理学的知识,给出了一些视觉显著性检测方法。在此基础上,本文继而描述了一个完整的基于视觉感知的图像和视频抽象化绘制框架,并通过实验结果对比分析算法的稳定性和有效性。本论文的主要创新点集中反映在以下方面：1、提出了一种基于局部空间邻域的自动显著性检测算法。结合所定义的显著性目标物体的三个假设,将图像中的兴趣部分以全分辨率显著图的形式定义出来。为了更准确的捕获完整的显著信息,采用基于区域级的思想来计算显著性值。本文首先将图像分割成若干区域,用每个区域和该区域相关联的空间邻域的颜色对比度加权和来为此区域定义显著性值,权值为某一邻域面积与邻域总面积的比率。然后,引进高斯衰减函数来定义空间权值,将空间位置信息加入进来以定义图像中央附近的显著性部分。2、将单尺度的显著性计算扩展为多尺度的显著性计算,使算法能够在复杂的背景下更加的鲁棒。这里,多尺度思想的实现是通过对基于图的图像分割算法设定多组不同尺度的参数,然后从第一组参数开始,循环地执行单尺度的显著性计算直至最后一组,最后用所有尺度的颜色距离空间权重比得到像素的显著性值。实验结果表明,该算法与其他显著性检测方法相比,能够得到更满意的准确率召回率曲线。3、改进了各向异性Kuwahara滤波器,对像素点的加权平均和标准方差进行了重新定义,使产生的结果图像呈现出预期达到的效果。并在此基础上,提出了一种显著度驱动的结合多种尺度的风格画面合成方法。画面各像素的显著度基于自动计算估计或由用户交互指定。该方法不仅可改善风格化绘制的质量和内容,而且也可用于不同风格画面的合成。通过融入风格化的边缘以及保持前景区域原始图像内容,本文进而生成了一种ROI目标保持与背景风格化的混合绘制效果。