基于運動和空間方向的視頻顯著性檢測算法研究.pdf

1、視覺顯著性是基于人體視覺系統(tǒng)的特點，通過建立視覺顯著性模型，能夠快速地找到圖像中人們關注的區(qū)域，從而進行感興趣區(qū)域檢測、目標識別與跟蹤等應用。在某些視頻場景中，背景紋理復雜區(qū)域存在運動，對顯著運動物體檢測造成影響，本論文為解決背景紋理區(qū)域運動帶來的干擾情況對顯著性檢測算法進行了深入的研究。
　　本論文研發(fā)了一種基于運動和空間方向的視頻顯著性檢測算法，研究分析了視頻圖像中背景紋理復雜區(qū)域與顯著運動區(qū)域的特征差異，針對背景運動的三種情

2、況，構建以水平梯度、垂直梯度和運動矢量幅值為坐標的三維空間W，使用三維結構張量矩陣結合了圖像的運動和空間方向，通過計算三維結構張量矩陣特征值得到每個像素點與其周圍點在空間W中對應點的密集程度，對密集程度進行后處理得到視頻顯著圖。
　　針對本文算法的性能進行了優(yōu)化。首先對構建三維結構張量模塊進行了改進，能夠有效地減少乘法和加法運算次數(shù)，實驗結果表明，改進后能夠減少83.47％的算法運行時間。然后實現(xiàn)了算法并行化，對算法耗時最長的構建

3、三維結構張量模塊采用數(shù)據(jù)并行化計算，實驗結果表明，該方法的4核并行加速比可達到3.43。
　　對本文算法準確性進行了測試與分析。選用了5個視頻測試序列，包含背景運動的各種情況，將本文算法與三種經(jīng)典算法進行了比較分析，實驗結果表明，本文算法準確性總體要好于經(jīng)典算法，能夠很好地排除背景紋理復雜區(qū)域運動帶來的影響，準確地檢測出視頻顯著性區(qū)域。
　　最后，在總結本文課題的基礎上，對未來進一步提高顯著性檢測算法準確性和性能的研究方向做