基于稀疏重構(gòu)和多特征聯(lián)合標簽推導的顯著性檢測.pdf

1、視覺顯著性是視覺中非常重要的一部分，它通過過濾人們視野中大量信息中的冗余部分，從而減少對信息的處理。另外，由于人們感興趣的目標總是有能夠區(qū)分它周圍的某些特殊的性質(zhì)。這種機制也能幫助選擇一個場景中人們最感興趣（顯著的）的目標。近年來，學者們對顯著性目標檢測技術(shù)進行了廣泛的研究并提出了許多新的方法。顯著性檢測技術(shù)的快速發(fā)展使它廣泛用于分割，分類，基于內(nèi)容的檢索等圖像領(lǐng)域中。顯著目標通常是獨特的，稀缺的，奇異的和難以預測的。針對它的這些特性，

2、許多顯著性檢測模型（像純計算模型，基于生物學的模型，或者是對兩者結(jié)合的模型）已經(jīng)被提出。由于顯著目標在自然場景中是趨于稀疏的，稀疏表示方法已經(jīng)被用到顯著性檢測當中，但是已有的基于稀疏表示的檢測方法往往更趨向于突出顯著目標的邊界而不是顯著目標本身，尤其當圖像中顯著目標比較大時，這種情況更加明顯。
　　本文提出一種新的顯著性檢測方法。給定一幅圖像，首先把它分割成超像素，并用簡化的譜分割方法把這些超像素再聚合成幾個尺度更大的分割。然后結(jié)

3、合稀疏編碼理論采用一種中心-剩余方法（即以每個超像素為中心，不包含該超像素的剩余分割中所有超像素為字典）來重構(gòu)超像素。這個過程具體描述為:對給定的一個分割，它所包含的每一個超像素被表示為在其他分割中所有超像素的線性加權(quán)和，然后平均每個分割的重構(gòu)誤差值作為超像素的初始的顯著值。這種分級分割的策略有效解決了之前稀疏表示的方法不能很好突出目標內(nèi)部的問題。最后，區(qū)別于傳統(tǒng)的分別計算每一種特征的顯著性圖，然后將它們簡單聯(lián)合的多特征顯著性檢測方法。