基于分層信息融合和隨機游走的顯著性檢測.pdf

1、近年來，數字圖像和視頻已經成為了日常生活中信息傳遞和表現不可或缺的載體。如何在大量的數字圖像數據中快速而準確的找到與任務相關的那部分圖像信息，已經成為了計算機視覺領域的一個熱點研究問題。顯著性檢測是基于對人類視覺的研究，用來幫助計算機傳感器感知世界的重要研究手段。
　　本文提出了兩種不同的顯著性檢測算法：
　　一，針對大多數視覺顯著性檢測方法只能夠檢測出人類感興趣的顯著點或區(qū)域，但是無法區(qū)分對象不同層次信息的顯著性以及不能突

2、出對象整體顯著性的問題，本文在第三章提出了一種基于分層信息融合的物體級顯著性檢測方法。不同于現有大多數方法，該方法在獲取對象的顯著圖時運用了物體級別區(qū)域和中級別超像素兩種不同層次的結構信息。首先，將圖像分割為中級別的超像素，利用自下而上的方法構造初始顯著圖；然后通過譜聚類方法將中級別的超像素聚類成物體級的區(qū)域，并運用自上而下的先驗來調整初始先驗圖；最后，通過熱核擴散過程，將超像素級別上的顯著性擴散到物體級的區(qū)域上，最終獲得一致的均勻的物

3、體級顯著性圖。
　　二，鑒于隨機游走過程對人類視覺注意力的良好描述能力，本文在第四章提出了一種基于惰性隨機游走的視覺顯著性檢測方法。相比于傳統(tǒng)基于隨機過程的顯著性檢測方法，此方法的主要貢獻在于兩個方面。首先，普通隨機游走過程不能保證最終收斂到穩(wěn)定狀態(tài)，本文提出的惰性隨機游走檢測方法從理論上有效克服了該問題，提高了算法的適用性；其次，本文提出的惰性游走檢測算法通過利用視覺轉移的往返時間來刻畫顯著性差異，對于生物視覺的模擬更加貼切合理