特征融合的顯著目標(biāo)檢測方法研究.pdf

1、顯著目標(biāo)檢測是通過計(jì)算機(jī)檢測圖像中的主要內(nèi)容，它是機(jī)器視覺的重要組成部分。由于人類視覺注意系統(tǒng)的進(jìn)化與發(fā)展，人眼具備迅速而準(zhǔn)確地捕獲圖像中顯著區(qū)域的特點(diǎn)，而隨著計(jì)算機(jī)視覺技術(shù)的需求與發(fā)展，人們?cè)絹碓较Ｍ麢C(jī)器能夠跟人一樣，能夠快速而準(zhǔn)確地搜索圖像中的主要內(nèi)容。顯著目標(biāo)檢測主要研究的就是人類的視覺注意系統(tǒng)并模擬人眼來檢測圖像中的重要區(qū)域。
　　基于視覺注意機(jī)制的顯著目標(biāo)檢測技術(shù)在圖像處理、人工智能等計(jì)算機(jī)視覺的多個(gè)領(lǐng)域都具有重要的研究

2、意義。同時(shí)，該研究還可以應(yīng)用在諸如圖像檢索、圖像分割、目標(biāo)識(shí)別與跟蹤等各種領(lǐng)域中，它具有重要的應(yīng)用意義。
　　近年來，由于顯著目標(biāo)檢測研究的重要性，它吸引了研究者們廣泛的關(guān)注，并逐步成為研究熱點(diǎn)。為了解決計(jì)算機(jī)在模擬人眼檢測圖像中的顯著區(qū)域時(shí)出現(xiàn)的準(zhǔn)確率不高和速度慢等問題，研究者們提出了多種計(jì)算模型。本文對(duì)這些計(jì)算模型進(jìn)行回顧與分析，并從特征融合的角度研究圖像顯著目標(biāo)檢測方法。
　　首先，傳統(tǒng)的顯著目標(biāo)檢測算法大多是基于對(duì)比

3、度特征的，這些算法雖然取得了一定的成果，但是由于目標(biāo)個(gè)體的行為差異，對(duì)比度特征并不能適用于所有情況。所以，針對(duì)基于對(duì)比度特征算法的適應(yīng)性不足問題，本文提出融合顏色區(qū)別性特征、邊界先驗(yàn)特征以及objectness特征來進(jìn)行顯著目標(biāo)檢測。具體來說，本文先從目標(biāo)角度提取圖像的顏色區(qū)別性特征，然后從背景角度根據(jù)邊界先驗(yàn)提取圖像的邊界先驗(yàn)特征，將提取到的這兩種特征進(jìn)行線性融合以保持顯著信息的完整性。隨后，提取圖像的objectness特征，進(jìn)行乘

4、法融合來加強(qiáng)顯著性，最終得到顯著圖。
　　其次，本文啟發(fā)于近年來基于邊界先驗(yàn)的顯著目標(biāo)檢測算法中關(guān)于圖像空間布局的思想，提出了融合構(gòu)圖先驗(yàn)特征的顯著檢測方法。從圖像的構(gòu)成來看，一副圖像的生成是符合一定的構(gòu)圖法則的，比如最常見的三分構(gòu)圖法。因此，本文做出這樣的假設(shè):圖像的目標(biāo)區(qū)域主要分布在三分構(gòu)圖線周圍。并將這樣的知識(shí)稱之為構(gòu)圖先驗(yàn)。然后將顯著性檢測視為一個(gè)二分類的過程，并使用流行排序算法來計(jì)算顯著值。首先，根據(jù)流行排序算法對(duì)圖像進(jìn)

5、行多尺度超像素分割，然后根據(jù)超像素分割結(jié)果構(gòu)造閉環(huán)圖;其次，提取構(gòu)圖線區(qū)域超像素的顏色特征，根據(jù)構(gòu)圖先驗(yàn)知識(shí)將構(gòu)圖線周圍的超像素設(shè)置為查詢節(jié)點(diǎn)，使用流行排序算法計(jì)算每個(gè)超像素的顯著值;然后，從目標(biāo)和背景兩個(gè)角度對(duì)檢測的顯著區(qū)域進(jìn)行細(xì)化并利用像素區(qū)別性特征對(duì)像素點(diǎn)的顯著值進(jìn)行矯正;最后，為提高顯著檢測的準(zhǔn)確性，融合多尺度顯著值得到最終顯著圖。融合構(gòu)圖先驗(yàn)的顯著目標(biāo)檢測方法是根據(jù)圖像的空間布局，從構(gòu)圖線角度研究顯著目標(biāo)的分布。
　　通