基于分層信息融合和隨機(jī)游走的顯著性檢測.pdf

1、近年來，數(shù)字圖像和視頻已經(jīng)成為了日常生活中信息傳遞和表現(xiàn)不可或缺的載體。如何在大量的數(shù)字圖像數(shù)據(jù)中快速而準(zhǔn)確的找到與任務(wù)相關(guān)的那部分圖像信息，已經(jīng)成為了計算機(jī)視覺領(lǐng)域的一個熱點(diǎn)研究問題。顯著性檢測是基于對人類視覺的研究，用來幫助計算機(jī)傳感器感知世界的重要研究手段。
　　本文提出了兩種不同的顯著性檢測算法：
　　一，針對大多數(shù)視覺顯著性檢測方法只能夠檢測出人類感興趣的顯著點(diǎn)或區(qū)域，但是無法區(qū)分對象不同層次信息的顯著性以及不能突

2、出對象整體顯著性的問題，本文在第三章提出了一種基于分層信息融合的物體級顯著性檢測方法。不同于現(xiàn)有大多數(shù)方法，該方法在獲取對象的顯著圖時運(yùn)用了物體級別區(qū)域和中級別超像素兩種不同層次的結(jié)構(gòu)信息。首先，將圖像分割為中級別的超像素，利用自下而上的方法構(gòu)造初始顯著圖；然后通過譜聚類方法將中級別的超像素聚類成物體級的區(qū)域，并運(yùn)用自上而下的先驗來調(diào)整初始先驗圖；最后，通過熱核擴(kuò)散過程，將超像素級別上的顯著性擴(kuò)散到物體級的區(qū)域上，最終獲得一致的均勻的物

3、體級顯著性圖。
　　二，鑒于隨機(jī)游走過程對人類視覺注意力的良好描述能力，本文在第四章提出了一種基于惰性隨機(jī)游走的視覺顯著性檢測方法。相比于傳統(tǒng)基于隨機(jī)過程的顯著性檢測方法，此方法的主要貢獻(xiàn)在于兩個方面。首先，普通隨機(jī)游走過程不能保證最終收斂到穩(wěn)定狀態(tài)，本文提出的惰性隨機(jī)游走檢測方法從理論上有效克服了該問題，提高了算法的適用性；其次，本文提出的惰性游走檢測算法通過利用視覺轉(zhuǎn)移的往返時間來刻畫顯著性差異，對于生物視覺的模擬更加貼切合理