圖像顯著性目標(biāo)檢測理論及其應(yīng)用.pdf

1、顯著性目標(biāo)檢測旨在快速地辨別出一幅自然圖像中包含有用信息的顯著性部分，為其相關(guān)應(yīng)用做了很好的鋪墊。近年來隨著計算機視覺的發(fā)展，顯著性檢測作為一個分支在其中發(fā)揮著越來越重要的作用。顯著性檢測被廣泛的應(yīng)用到圖像重定位、圖像自動裁剪、圖像壓縮和目標(biāo)識別等具體應(yīng)用中，同時各種應(yīng)用也反過來促進了顯著性目標(biāo)檢測理論的發(fā)展和完善。
　　基于稀疏表示的顯著性檢測是顯著性目標(biāo)檢測的一類重要方法，它假定圖像的背景部分可以被背景字典稀疏表示且表示殘差很

2、小，而顯著性部分用背景字典來表示時稀疏殘差則比較大?；谶@樣的假定，以背景部分的特征作為稀疏表示字典來表示整個圖像，稀疏表示殘差被用來作為圖像顯著性的度量最終得到圖像的顯著性圖?；趫D像顯著性圖的縫切割圖像縮放方法是顯著性目標(biāo)檢測方法的一個最有價值的應(yīng)用，縫切割方法根據(jù)顯著性圖選取一些顯著性比較低的縫，切割掉選中的縫進而使得圖像達到縮放的效果。
　　本文首先具體給出了縫切割技術(shù)對顯著性圖的要求，然后基于此要求，提出了兩種圖像顯著性

3、檢測方法，分別利用稀疏表示和小波分解來檢測圖像中的顯著性目標(biāo)，生成為縫切割而設(shè)計的顯著性圖。
　　和通常的單高斯假定不同，本文基于稀疏表示的顯著性檢測中，假定圖像的顯著性先驗服從多高斯分布。選中顯著性先驗較低的部分作為背景，以背景顏色特征作為字典對整個圖像進行稀疏表示。以稀疏表示殘差作為顯著性度量生成顯著性圖，融合圖像中的斜邊顯著性圖得到針對于縫切割方法的顯著性圖。
　　本文同時還提出了一種圖像顯著性輪廓檢測方法，利用小波分