基于目標候選樣本選擇的顯著性檢測.pdf

1、隨著科技的發(fā)展和進步，人類每時每刻都會接受來自各個方面的圖像信息，如何快速有效處理這些數字圖像成為人類面對的一個難題。顯著性檢測將圖像中人眼感興趣的目標區(qū)域利用計算機檢測出來。作為預處理，顯著性檢測廣泛的應用于圖像處理的相關領域，比如圖像檢索、目標識別等。
　　目標候選樣本具有數量多、形狀變化范圍大的特點，而且僅僅存在一小部分的目標候選樣本包含與目標相關的信息?，F有的目標候選樣本產生算法通常會產生大量的樣本，同時現有的評價機制無法

2、很好的評價目標候選樣本的顯著性和目標性。因此，本文從目標候選樣本選擇的角度出發(fā)，提出了基于目標候選樣本選擇的顯著性檢測算法。該方法采用由粗到精的選擇框架評價目標候選樣本。在粗選擇階段，我們利用重新定義的評價指標描述目標候選樣本的顯著性，將分數最高的樣本作為偽真值輸出。在精選擇階段，我們訓練一個結構化分類器排序目標候選樣本，加權疊加分數靠前的目標候選樣本得到目標候選樣本級顯著圖。不同于傳統(tǒng)的分類器，我們采用的分類器可以將顯著性較高的目標候