基于低秩矩陣的視覺(jué)顯著性檢測(cè)及其應(yīng)用研究.pdf

1、隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，視覺(jué)顯著性檢測(cè)已成為研究熱點(diǎn)之一。視覺(jué)顯著性在對(duì)自然圖像數(shù)據(jù)稀疏表示的同時(shí)，常常伴隨著背景的干擾，這對(duì)計(jì)算機(jī)視覺(jué)任務(wù)后續(xù)工作的完成造成了一定影響。因此，亟待研究一種可有效調(diào)整背景信息的視覺(jué)顯著性檢測(cè)方法。本文針對(duì)背景信息影響顯著圖進(jìn)一步應(yīng)用的問(wèn)題，提出了一種基于全局和局部低秩矩陣的圖像顯著性檢測(cè)算法，并將該算法分別應(yīng)用于視頻顯著性檢測(cè)和圖像重定位中。本文工作主要研究?jī)?nèi)容包括：
　　1)在圖像顯著性檢測(cè)方面

2、：本文提出了一種基于低秩矩陣的圖像顯著性檢測(cè)算法。首先，提取 CIE*Lab顏色空間三通道對(duì)比度特征，利用信息熵和標(biāo)準(zhǔn)偏差選取對(duì)顯著性貢獻(xiàn)最大的通道權(quán)重融合獲取初始顯著圖。然后，利用全局局部低秩分解對(duì)非顯著背景信息進(jìn)行抑制；最終,得到顯著圖。與已有的經(jīng)典顯著性檢測(cè)算法比較，實(shí)驗(yàn)結(jié)果表明所提算法具有較好的顯著性檢測(cè)精度。此外，針對(duì)顯著性檢測(cè)客觀質(zhì)量評(píng)價(jià)方法計(jì)算速度慢的問(wèn)題，本文還提出了一種基于背景非顯著度的顯著性評(píng)價(jià)指標(biāo)。通過(guò)與傳統(tǒng)ROC

3、曲線的對(duì)比實(shí)驗(yàn)表明，所提視覺(jué)顯著性評(píng)價(jià)指標(biāo)具有更好地評(píng)測(cè)性能。
　　2)在視頻運(yùn)動(dòng)目標(biāo)顯著性檢測(cè)方面：本文提出了一種基于顯著性背景建模的視頻顯著性檢測(cè)方法。首先，利用所提圖像顯著性檢測(cè)算法對(duì)視頻初始幀進(jìn)行顯著性檢測(cè)，獲得殘余背景圖像。其次，根據(jù)殘余背景中距離待填充區(qū)域最近像素點(diǎn)的均值作為待填充點(diǎn)的像素值，得到初始幀背景模型。然后，根據(jù)初始幀背景模型對(duì)視頻進(jìn)行顯著性檢測(cè)，利用信息熵來(lái)判斷所得每幀顯著圖信息冗余度的大小，若當(dāng)前幀顯著圖

4、熵值大于所設(shè)定閾值則需要重新對(duì)當(dāng)前幀背景建模。最終，通過(guò)減除背景得到視頻顯著性目標(biāo)。與經(jīng)典視頻顯著目標(biāo)檢測(cè)算法對(duì)比實(shí)驗(yàn)表明，本文所提算法具有較高的檢測(cè)精度。
　　3)在圖像重定位方面：本文提出了一種改進(jìn)的Seam Carving圖像重定位方法。所提算法首先結(jié)合圖像對(duì)比度特征、紋理特征和人臉特征獲取重要信息圖。其次，利用局部低秩矩陣分解對(duì)重要信息圖中前、背景信息進(jìn)行權(quán)重劃分與像素取舍，最終實(shí)現(xiàn)圖像重定位。重定位過(guò)程中，在縮放尺度較大