基于稠密和稀疏重構(gòu)的圖像顯著性檢測算法.pdf

1、本文從重構(gòu)誤差的角度，提出了一種新穎的圖像顯著性檢測算法。根據(jù)顯著目標(biāo)一般不會出現(xiàn)在圖像四周的假設(shè)，本文將位于四周的圖像塊視作背景模板。不同于以往傳統(tǒng)的做法，本文利用該背景先驗為單幅圖像構(gòu)造背景字典，以充分利用待測圖像的有效視覺信息，而不是從大量的自然圖像塊中為所有待測圖像學(xué)習(xí)一個字典。在上述背景字典的基礎(chǔ)上，本文提出了重構(gòu)誤差顯著性的概念，具體分為以下三個步驟:
　　(1)首先，利用背景字典構(gòu)造稠密和稀疏重構(gòu)模型，計算各個圖像塊

2、的重構(gòu)誤差。
　　(2)然后，對原始圖像進行K-means聚類，通過基于上下文的重構(gòu)誤差傳播機制，在各個類內(nèi)的圖像塊之間傳播重構(gòu)誤差。
　　(3)最后，通過多尺度重構(gòu)誤差的融合，獲得像素級的重構(gòu)誤差值，并用一個目標(biāo)偏置的高斯模型對其進行濾波，獲得最終的像素級重構(gòu)誤差顯著度。
　　此外，本文基于貝葉斯公式，還提出了一種新的顯著圖融合機制，將由稠密和稀疏重構(gòu)誤差產(chǎn)生的顯著圖有效地結(jié)合了起來。
　　本文算法在三個公開的