基于部分吸收隨機游走的協(xié)同顯著性檢測.pdf

1、專業(yè)學位碩士學位論文基于部分吸收隨機游走的協(xié)同顯著性檢測CoSaliencyDetectionBasedonPartiallyAbsorbingRandomWalks學號：31309017完成日期：20150501大連理工大學DalianUniversityofTechnology大連理工大學專業(yè)學位碩士學位論文摘要隨著多媒體技術不斷進步，通過圖像傳遞信息的方式得到了迅速發(fā)展，數(shù)字圖像的處理成為了一個難題。顯著性檢測是在圖像中發(fā)現(xiàn)感興趣

2、的目標區(qū)域，因為這些區(qū)域包含重要的信息并且能吸引人的視覺注意。然而，隨著應用場景的不斷變化和增加，僅對單幅圖像的顯著性檢測已經(jīng)不能滿足檢測圖像目標的要求，近來，產(chǎn)生了在一組圖像中檢測顯著性目標的算法，這被定義為協(xié)同顯著性檢測。協(xié)同顯著性檢測的目的是在多幅圖像中發(fā)現(xiàn)共同顯著的目標，相比于單幅圖像的檢測，它把在其它圖像中凸顯目標作為新條件，這增加了問題的難度?？紤]到協(xié)同顯著性檢測是直接源于對單幅圖像的顯著性檢測，因此本文從單幅圖像的顯著性檢

3、測出發(fā)，利用基于圖的檢測模型先對單幅圖像進行檢測。與以往檢測方法不同，本文首先用自擴散的方法優(yōu)化圖模型中的相似度矩陣，優(yōu)化后的相似度矩陣能更好捕捉到圖的內(nèi)在結構。然后將部分吸收隨機游走應用到顯著性檢測中，并將經(jīng)自擴散優(yōu)化后的相似度矩陣融入其中，這里我們用吸收概率衡量顯著性。最后，考慮到協(xié)同顯著性檢測領域中兩幅圖和多幅圖的檢測存在差異，因此我們用兩種不同的方法分別對多幅圖像和成對的圖像進行檢測。在多幅圖像中，我們以圖像邊界作為種子點，用自

4、擴散部分吸收隨機游走獲得初始顯著圖，將得到的初始顯著圖閾值分割，利用協(xié)同顯著目標的統(tǒng)計特性，在每幅圖中選取協(xié)同種子點，最后在每幅圖像中傳播顯著性。在兩幅圖的檢測中，我們用多尺度獲取代表圖像間信息的前景相似概率，用吸收概率獲取代表圖像內(nèi)信息的背景相似權重，最后用優(yōu)化目標函數(shù)的方法將兩種顯著性線索融合到一起。我們在幾個公開的數(shù)據(jù)集上分別對文中的每一個算法的有效性進行測試，并和當前主流的～些算法進行比較。結果表明，我們的算法取得了良好的效果。