視覺顯著性檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和多媒體技術(shù)的飛速發(fā)展，數(shù)字媒體信息呈現(xiàn)出以幾何級(jí)數(shù)增長(zhǎng)的態(tài)勢(shì)。海量的數(shù)字媒體為人們的娛樂、教育和商業(yè)帶來便利的同時(shí)，也為視覺信息處理技術(shù)提出了新的挑戰(zhàn)。一方面，數(shù)字媒體的信息量遠(yuǎn)遠(yuǎn)超過計(jì)算機(jī)擁有的處理能力，人們需要將有限的計(jì)算資源用于處理數(shù)字媒體中的重要部分；另一方面，人類具有從大量視覺信息中選擇少量重要信息進(jìn)行詳細(xì)分析處理的能力，人們希望計(jì)算機(jī)能夠模擬人類的這種能力。視覺顯著性檢測(cè)方法可以自動(dòng)預(yù)測(cè)、定位和挖掘數(shù)字媒體信

2、息中對(duì)人們重要的視覺信息，可以幫助計(jì)算機(jī)對(duì)海量的視覺媒體信息進(jìn)行有效篩選。本文從計(jì)算機(jī)視覺任務(wù)對(duì)顯著性檢測(cè)所顯現(xiàn)出的需求出發(fā)，對(duì)視覺顯著性檢測(cè)的關(guān)鍵技術(shù)進(jìn)行研究。本文的主要?jiǎng)?chuàng)新點(diǎn)包括：
　　第一，提出了一種基于融合特征的視覺顯著性檢測(cè)算法，用于預(yù)測(cè)視覺注視點(diǎn)。該算法通過對(duì)多種視覺特征進(jìn)行特征級(jí)融合生成融合特征的方式來模擬神經(jīng)細(xì)胞同時(shí)受多個(gè)不同種類特征激發(fā)的過程，并通過對(duì)融合特征的顯著性度量來獲得對(duì)多種視覺特征敏感的神經(jīng)元響應(yīng)而激發(fā)

3、的顯著度。為了更加全面的度量顯著性，該算法結(jié)合局部的和全局的顯著性度量方式來對(duì)融合特征進(jìn)行顯著性計(jì)算。在公開的人眼視覺注視點(diǎn)測(cè)試庫(kù)上的實(shí)驗(yàn)結(jié)果表明，本文提出的基于融合特征的預(yù)測(cè)視覺注視點(diǎn)的顯著性檢測(cè)算法能夠取得較好的視覺注視點(diǎn)預(yù)測(cè)結(jié)果。
　　第二，提出了一種基于背景對(duì)比的顯著區(qū)域檢測(cè)算法。該算法分析和實(shí)驗(yàn)驗(yàn)證，不包含人眼視覺注視點(diǎn)的區(qū)域極有可能是圖像背景區(qū)域。基于該驗(yàn)證，該算法將圖像中同人眼視覺注視點(diǎn)的凸包互補(bǔ)的區(qū)域作為可能的圖像

4、背景區(qū)域，并通過計(jì)算每個(gè)圖像子區(qū)域同估計(jì)的圖像背景區(qū)域的對(duì)比來度量該圖像子區(qū)域的顯著性。在公開的測(cè)試圖像庫(kù)中的實(shí)驗(yàn)結(jié)果表明本文提出的基于背景對(duì)比的顯著區(qū)域檢測(cè)算法能較好地在顯著圖中凸顯整個(gè)顯著區(qū)域。
　　第三，提出了一種結(jié)合顯著性密度和邊緣響應(yīng)的顯著物體檢測(cè)算法。該算法在進(jìn)行顯著物體檢測(cè)的過程中同時(shí)考慮顯著性密度和邊緣響應(yīng)這兩個(gè)顯著物體擁有的屬性。它將顯著物體發(fā)現(xiàn)過程建模為尋找最大化顯著性密度和邊緣響應(yīng)的矩形框的過程，通過基于顯著

5、性密度及邊緣響應(yīng)的分支限界搜索算法來定位最優(yōu)矩形框。最后，該算法將所定位到的包含顯著物體的最優(yōu)矩形框作為GrabCut的輸入，以得到具有清晰輪廓的顯著物體。實(shí)驗(yàn)證明，該算法能夠取得較好的顯著物體檢測(cè)效果。
　　第四，提出了一種面向多幅圖像的基于前景對(duì)應(yīng)性的聯(lián)合顯著性檢測(cè)算法。該算法在多幅圖像中尋找對(duì)應(yīng)的圖像前景區(qū)域，并為每一幅圖像生成一幅高亮對(duì)應(yīng)前景區(qū)域的圖。然后，該算法通過采用本文提出的基于背景對(duì)比的顯著區(qū)域檢測(cè)算法為每個(gè)單幅圖