基于先驗(yàn)知識(shí)融合的顯著性目標(biāo)檢測(cè).pdf

1、隨著信息技術(shù)的發(fā)展和數(shù)碼產(chǎn)品的普及，圖像和視頻資源越來(lái)越豐富，但信息冗余問(wèn)題隨之產(chǎn)生。因此，從圖像或視頻資源中提取重要的信息從而對(duì)圖像或視頻進(jìn)行簡(jiǎn)潔有效地表達(dá)顯得越來(lái)越重要。受人類視覺(jué)系統(tǒng)髙效處理機(jī)制的啟發(fā)，圖像顯著性檢測(cè)模型應(yīng)運(yùn)而生。圖像顯著性檢測(cè)算法的主要任務(wù)是準(zhǔn)確高效地提取圖像中最能引起人類視覺(jué)關(guān)注的顯著性區(qū)域。
　　以往的顯著性檢測(cè)算法一般是基于對(duì)比度先驗(yàn)知識(shí)或中心先驗(yàn)知識(shí)，但是通常會(huì)存在不能均勻突出顯著性目標(biāo)的問(wèn)題，并且

2、當(dāng)顯著性目標(biāo)不在圖像中心時(shí)，傳統(tǒng)的中心先驗(yàn)知識(shí)假設(shè)將不再成立?；诖耍疚奶岢隽艘环N基于先驗(yàn)知識(shí)融合的自底向上顯著性目標(biāo)檢測(cè)算法。與以往大部分算法直接對(duì)圖像底層信息進(jìn)行處理不同的是，本文采取了由粗到細(xì)的兩級(jí)策略進(jìn)行顯著性檢測(cè)。
　　首先，在第一級(jí)中，本文利用先驗(yàn)知識(shí)的融合生成粗糙顯著性圖。針對(duì)傳統(tǒng)中心先驗(yàn)知識(shí)魯棒性不高的問(wèn)題，利用角點(diǎn)檢測(cè)算法來(lái)粗定位圖像中目標(biāo)的中心，并以此獲得新的中心先驗(yàn)知識(shí)，提高算法的魯棒性。另外，考慮到圖像中

3、顯著性目標(biāo)一般不會(huì)與圖像邊界相接觸，將圖像像素的顯著性定義為當(dāng)前像素與邊界像素的相關(guān)性，進(jìn)而充分地利用圖像的邊界先驗(yàn)知識(shí)。而后將對(duì)比度先驗(yàn)知識(shí)、新的中心先驗(yàn)知識(shí)和邊界先驗(yàn)知識(shí)有效融合獲得粗糙顯著性圖。
　　其次，為了進(jìn)一步改善粗糙顯著性圖的性能，本文在第二級(jí)中提出了基于先驗(yàn)知識(shí)融合的能量方程，使得最終的顯著性圖能夠更加準(zhǔn)確均勻地突出顯著性目標(biāo)。該能量方程融合了基于邊界先驗(yàn)知識(shí)的背景能量項(xiàng)、基于粗糙顯著性圖的數(shù)據(jù)能量項(xiàng)和基于光滑先驗(yàn)