基于背景和前景節(jié)點的圖像顯著性檢測算法.pdf

1、圖像顯著性檢測是計算機視覺研究領域重要的一環(huán)，在計算機視覺的各個領域得到廣泛的應用，作為圖像預處理步驟，能夠獲取視覺感興趣區(qū)域，去除圖像中的冗余信息，提高圖像處理效率。但由于圖像中復雜的背景、目標種類繁多等技術(shù)難點，開發(fā)魯邦的顯著性檢測算法仍是一項有挑戰(zhàn)性的研究課題。
　　本文提出一種自底向上的顯著性檢測算法。不同于以往的將關注點放在圖像中心的方法，本文將背景節(jié)點和前景節(jié)點結(jié)合起來考慮，提出一種新的顯著性檢測算法，具體分為以下三個

2、步驟:首先，將圖像進行超像素分割，從圖像周圍提取超像素組成邊界集合，結(jié)合物體邊緣信息去除邊界集合中的前景超像素，獲取到背景節(jié)點集合。利用圖像超像素與背景節(jié)點間的對比度關系，計算得到基于背景節(jié)點集合的顯著性圖像。然后，將得到的基于背景節(jié)點集合的顯著性圖像進行自適應閾值分割，獲取超過閾值部分對應的超像素組成前景節(jié)點集合，利用圖像超像素與前景節(jié)點間的對比度關系，計算得到基于前景節(jié)點的顯著性圖像。其次，將基于背景節(jié)點集合和基于前景節(jié)點集合的檢測

3、結(jié)果圖像進行融合，得到融合后的顯著性圖像。融合后的結(jié)果既能突顯前景目標，又能抑制背景噪聲。最后，將融合后的顯著性圖像進一步進行優(yōu)化，利用K-Means聚類方法對融合后的顯著性進行均衡處理，利用圍繞目標中心的二維高斯模型得到基于像素級別的顯著性圖像，最終得到更加平滑和準確的顯著性圖像。
　　此外，本文提出的顯著圖融合機制，在將本文算法與其他模型算法的融合過程中，也有顯著效果。
　　本文在三個公開的顯著性檢測數(shù)據(jù)庫上對本文的方法