基于無(wú)監(jiān)督摳圖模型的顯著性區(qū)域提取算法研究.pdf

1、對(duì)自然場(chǎng)景中高視覺顯著度區(qū)域的提取和識(shí)別一直是計(jì)算機(jī)視覺、圖像理解中的研究熱點(diǎn),在目標(biāo)識(shí)別、基于內(nèi)容的多媒體信息檢索等領(lǐng)域,也具有廣泛的應(yīng)用價(jià)值。傳統(tǒng)的區(qū)域邊緣提取主要有兩類,即基于Bottom-up的圖像分割方法和基于Top-down的圖像分割方法。Bottom-up的分割方法可以標(biāo)出圖像中色彩或灰度變化劇烈的“邊緣”,但是對(duì)“噪聲點(diǎn)”敏感,并且沒有充分考慮到人眼視覺注意力選擇機(jī)制的指導(dǎo),因此Bottom-up方法容易導(dǎo)致目標(biāo)區(qū)域“過

2、分割”、“錯(cuò)分割”的問題。Top-down可以較好的分割出目標(biāo)區(qū)域信息,但是需要先驗(yàn)信息指導(dǎo),當(dāng)面對(duì)較復(fù)雜的自然場(chǎng)景時(shí)就顯得力不從心。如何在自然場(chǎng)景中準(zhǔn)確提取顯著性區(qū)域的位置與邊緣信息是本文的研究點(diǎn)。
　　為了解決上述問題,本文首先提出了一種無(wú)監(jiān)督摳圖模型,然后基于該模型對(duì)圖像顯著性區(qū)域進(jìn)行提取。根據(jù)不同場(chǎng)景中前景目標(biāo)特征實(shí)現(xiàn)對(duì)高顯著性區(qū)域目標(biāo)邊緣的準(zhǔn)確提取,降低圖像分割中對(duì)“噪聲點(diǎn)”的敏感度,減小對(duì)先驗(yàn)指導(dǎo)信息的依賴,具有較好的

3、魯棒性。本文的主要工作如下:
　　(1)根據(jù)視覺概率統(tǒng)計(jì)模型提取場(chǎng)景中視覺顯著度較高的前景目標(biāo) SIFT特征點(diǎn)與顯著度較低的背景SIFT特征點(diǎn),提供訓(xùn)練集數(shù)據(jù)并實(shí)現(xiàn)前景目標(biāo)SVM分類器。
　　(2)為實(shí)現(xiàn)顯著性區(qū)域提取,利用摳圖對(duì)自然場(chǎng)景圖像的顯著性區(qū)域進(jìn)行提取。針對(duì)基于學(xué)習(xí)的數(shù)字摳圖算法,研究了Trimap在該算法中的特性,得出了Unsup-Trimap的理論依據(jù)。
　　(3)根據(jù)Unsup-Trimap理論依據(jù)設(shè)計(jì)