基于多層字典稀疏重構(gòu)的圖像顯著性檢測.pdf

1、根據(jù)一副圖像分析周圍場景是計算機(jī)視覺領(lǐng)域中的一個重要挑戰(zhàn)，為了實現(xiàn)這一目標(biāo)，學(xué)習(xí)圖像的視覺顯著性信息是最基本的一步。因此，近年來圖像顯著性檢測逐漸成為了計算機(jī)視覺領(lǐng)域的科研重點之一。其目標(biāo)是識別場景中最重要，包含信息最多的部分，通常也是人們在觀察一幅圖像時，最先關(guān)注的部分，并將檢測結(jié)果用一幅趨近二值化的灰度圖表示出來。
　　受到圖像信號自身及其語義的稀疏特征啟發(fā)，本文提出了一種基于多層字典稀疏表達(dá)的圖像顯著性檢測算法。該算法首先通

2、過簡單的線性迭代聚類將圖像分割成超像素。然后根據(jù)中心先驗選擇部分背景超像素來訓(xùn)練背景字典，通過該字典和正交匹配追蹤算法來計算所有超像素的重構(gòu)誤差，并將其定義為各超像素的顯著性值。最后結(jié)合K近鄰平滑和多尺度融合算法得到最終的像素級顯著圖。在字典學(xué)習(xí)的部分，本文算法將每一尺度的背景字典代入下一尺度，從而使除第一尺度外所有尺度均可以得到一個多層字典。得到顯著圖后，再將其與目標(biāo)定位算法相結(jié)合，選擇最顯著的部分超像素來訓(xùn)練前景字典，重新進(jìn)行檢驗。

3、相對于依據(jù)中心先驗得到的背景字典，前景字典更具有代表性，因此經(jīng)過該處理過程，可以得到一幅效果更好的顯著圖。本文將這一步驟總結(jié)為一個性能增強(qiáng)框架，用來提升顯著性檢測算法的檢驗效果。此外，該框架還適用于大部分經(jīng)典算法甚至部分近期提出的優(yōu)秀算法。
　　在實驗過程中，本文將所提出的檢測算法與性能增強(qiáng)框架在五個最具有代表性的圖像顯著性檢測數(shù)據(jù)庫中進(jìn)行了測試，并將測試結(jié)果與現(xiàn)有的多種經(jīng)典算法做了對比。實驗結(jié)果表明，本文所提出的算法能較全面而準(zhǔn)