基于多示例學(xué)習(xí)的圖像顯著性分析.pdf

1、隨著互聯(lián)網(wǎng)的快速普及與發(fā)展，人們接觸到的圖像數(shù)據(jù)正以驚人的速度增長。相比如此海量的視覺信息，可用的計(jì)算資源顯得十分有限，因此人們迫切希望找到一種符合人類視覺認(rèn)知系統(tǒng)的信息選擇模型，將有限的計(jì)算資源分配給重要的視覺信息，從而減少資源的浪費(fèi)。針對(duì)這方面的需求，基于人眼選擇注意機(jī)制的圖像顯著性檢測逐漸成為了計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。
　　本文基于多示例學(xué)習(xí)算法對(duì)圖像顯著性分析進(jìn)行研究，主要工作分為以下兩方面:
　　1.提出了一種單

2、幅圖像顯著性分析算法。為了更好的保留與突變信號(hào)相對(duì)應(yīng)像素的特性，該算法采用區(qū)域相關(guān)的相對(duì)特征對(duì)示例進(jìn)行描述。結(jié)合EC-SVM多示例學(xué)習(xí)框架，該算法對(duì)大量帶有顯著區(qū)域標(biāo)記的圖像進(jìn)行學(xué)習(xí)，獲取了一個(gè)能夠?qū)崿F(xiàn)對(duì)新輸入圖像的區(qū)域進(jìn)行正反包分類的判別模型。通過與幾種主流的顯著性分析算法進(jìn)行對(duì)比，該算法在顯著區(qū)域檢測效果上具有明顯優(yōu)勢。
　　2.提出了一種群組圖像協(xié)同顯著性分析算法。為了避免群組圖像中具有較高一致性的背景區(qū)域被賦予顯著標(biāo)記，該