基于多特征融合的視覺(jué)顯著性檢測(cè)算法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展以及圖像數(shù)據(jù)的迅速增長(zhǎng)，人們希望計(jì)算機(jī)能夠像人類(lèi)視覺(jué)系統(tǒng)一樣快速準(zhǔn)確地處理這些圖像數(shù)據(jù)，并從圖像中選取有效信息?；谏鲜鲂枨?，視覺(jué)顯著性檢測(cè)模型研究應(yīng)運(yùn)而生。視覺(jué)顯著性檢測(cè)模型是通過(guò)數(shù)學(xué)模型模擬和仿真人類(lèi)視覺(jué)系統(tǒng)的初級(jí)階段，其能夠快速而有效地處理圖像數(shù)據(jù)，迅速?gòu)膱D像中提取顯著性區(qū)域，獲得有效信息。視覺(jué)顯著性檢測(cè)技術(shù)在圖像處理等領(lǐng)域有著廣泛的應(yīng)用，可以為圖像分割、圖像檢索以及內(nèi)容感知的圖像編輯等應(yīng)用提供有效的參考信息；能夠

2、為核心區(qū)域定位、感興趣區(qū)域提取等應(yīng)用抽象出可靠的數(shù)據(jù)；有利于緩解圖像底層特征與圖像內(nèi)容理解之間的隔閡。因此，深入研究視覺(jué)顯著性檢測(cè)技術(shù)具有十分重要的意義。
　　本文在閱讀了大量中英文文獻(xiàn)的基礎(chǔ)上，分析了現(xiàn)有視覺(jué)顯著性檢測(cè)模型的不足，結(jié)合人類(lèi)視覺(jué)系統(tǒng)的機(jī)理，從視覺(jué)特征選取以及視覺(jué)特征融合這兩個(gè)角度出發(fā)，提出了兩種新的視覺(jué)顯著性檢測(cè)方法，并實(shí)現(xiàn)了在核心區(qū)域定位以及感興趣區(qū)域提取等方面的應(yīng)用。本文的主要研究?jī)?nèi)容與創(chuàng)新點(diǎn)如下：
　　

3、①本文詳細(xì)闡述了視覺(jué)顯著性檢測(cè)模型的發(fā)展現(xiàn)狀，對(duì)視覺(jué)特征、顯著性檢測(cè)原理以及檢測(cè)標(biāo)準(zhǔn)等方面進(jìn)行了梳理與總結(jié)，對(duì)現(xiàn)有顯著性檢測(cè)模型進(jìn)行了深入地研究，分析了這些模型的優(yōu)缺點(diǎn)，總結(jié)已有模型中存在的不足，為視覺(jué)顯著性檢測(cè)方法的進(jìn)一步研究打下了良好的基礎(chǔ)。
　?、诒疚膹囊曈X(jué)特征選取的角度出發(fā)，提出了一種中心聚焦全局對(duì)比的視覺(jué)顯著檢測(cè)方法。該方法結(jié)合了Gestalt原理與對(duì)比度原理。對(duì)比原理體現(xiàn)了顯著區(qū)域全局顏色稀缺的特點(diǎn)；Gestalt原理

4、體現(xiàn)了顯著區(qū)域空間分布緊湊的特點(diǎn)。該方法首先計(jì)算圖像的顏色全局對(duì)比特征圖，然后計(jì)算圖像的中心聚焦特征圖，最后將顏色全局對(duì)比特征圖和中心聚焦特征圖進(jìn)行線性融合得到最終的顯著圖。在公共測(cè)試數(shù)據(jù)集上對(duì)該方法進(jìn)行的仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明該方法的有效性。
　?、郾疚尼槍?duì)中心聚焦全局對(duì)比顯著性檢測(cè)算法中存在視覺(jué)特征少以及參數(shù)融合方法的不足，提出了一種基于多特征融合的視覺(jué)顯著性檢測(cè)方法。該方法首先利用SLIC方法分割輸入圖像，其次以超像素為單位

5、提取10維視覺(jué)特征，然后通過(guò)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)視覺(jué)特征與視覺(jué)顯著性之間的關(guān)系，利用多種視覺(jué)特征通過(guò)訓(xùn)練后BP神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)估超像素中顯著性像素所占比例，最后通過(guò)比例值判別顯著性區(qū)域，生成最終的顯著圖。將本文所提出的基于多特征融合的視覺(jué)顯著性檢測(cè)方法在公共數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)，并將其與現(xiàn)有的顯著性檢測(cè)算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，該方法在主觀視覺(jué)與定量指標(biāo)上均優(yōu)于相比較的15種顯著性檢測(cè)方法。與中心聚焦全局對(duì)比的視覺(jué)顯著性檢測(cè)算法相比，本文提出的基于