基于貝葉斯模型的圖像顯著度檢測.pdf

1、碩士學(xué)位論文基于貝葉斯模型的圖像顯著度檢測SaliencyDetectionBasedonBayesianFramework學(xué)號：21QQ魚!Q魚大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文摘要圖像顯著度檢測是計算機視覺研究領(lǐng)域中一個很具有挑戰(zhàn)性但又很重要的研究方向。圖像顯著度研究圖像中能夠吸引人類大腦和視覺系統(tǒng)注意力的部分，得到一個是否屬于顯著目標(biāo)的概率圖。該類方法可以應(yīng)用于計算機視覺的

2、多個領(lǐng)域，如圖像分類與檢索，圖像分割，視頻跟蹤等。本文提出了兩種基于貝葉斯模型的自底向上的顯著度檢測算法。第一種方法是基于圖像背景與全局信息的顯著度檢測(BackgroundGlobalFramework)，簡稱為BGF。該方法通過圖像邊緣對圖像背景分布進行建模，得到背景基準(zhǔn)集后通過顏色和空間距離得到部分先驗圖，并與全局信息結(jié)合得到先驗概率圖。然后對由Harris角點檢測得到的凸包計算前景和背景的觀測似然概率。第二種方法是基于圖像邊界和

3、軟分割的顯著度檢測(BoundarySoft—segmentationFramework)，簡稱為BSF。該方法利用圖像的邊界信息得到圖像的動態(tài)權(quán)重圖，然后使用自適應(yīng)加權(quán)的顏色和空問距離得到粗定位先驗圖，并根據(jù)粗定位，使用軟分割算法得到大概的顯著目標(biāo)位置，即改進的凸包，計算觀測似然概率。最后，將本文的兩種方法對應(yīng)的先驗圖和觀測似然概率通過貝葉斯模型結(jié)合得到最終的檢測結(jié)果。本文在由微軟亞洲研究院提供的國際公開的數(shù)據(jù)庫MSRA上驗證算法的有