特征融合的顯著目標檢測方法研究.pdf

1、顯著目標檢測是通過計算機檢測圖像中的主要內(nèi)容，它是機器視覺的重要組成部分。由于人類視覺注意系統(tǒng)的進化與發(fā)展，人眼具備迅速而準確地捕獲圖像中顯著區(qū)域的特點，而隨著計算機視覺技術(shù)的需求與發(fā)展，人們越來越希望機器能夠跟人一樣，能夠快速而準確地搜索圖像中的主要內(nèi)容。顯著目標檢測主要研究的就是人類的視覺注意系統(tǒng)并模擬人眼來檢測圖像中的重要區(qū)域。
　　基于視覺注意機制的顯著目標檢測技術(shù)在圖像處理、人工智能等計算機視覺的多個領域都具有重要的研究

2、意義。同時，該研究還可以應用在諸如圖像檢索、圖像分割、目標識別與跟蹤等各種領域中，它具有重要的應用意義。
　　近年來，由于顯著目標檢測研究的重要性，它吸引了研究者們廣泛的關注，并逐步成為研究熱點。為了解決計算機在模擬人眼檢測圖像中的顯著區(qū)域時出現(xiàn)的準確率不高和速度慢等問題，研究者們提出了多種計算模型。本文對這些計算模型進行回顧與分析，并從特征融合的角度研究圖像顯著目標檢測方法。
　　首先，傳統(tǒng)的顯著目標檢測算法大多是基于對比

3、度特征的，這些算法雖然取得了一定的成果，但是由于目標個體的行為差異，對比度特征并不能適用于所有情況。所以，針對基于對比度特征算法的適應性不足問題，本文提出融合顏色區(qū)別性特征、邊界先驗特征以及objectness特征來進行顯著目標檢測。具體來說，本文先從目標角度提取圖像的顏色區(qū)別性特征，然后從背景角度根據(jù)邊界先驗提取圖像的邊界先驗特征，將提取到的這兩種特征進行線性融合以保持顯著信息的完整性。隨后，提取圖像的objectness特征，進行乘

4、法融合來加強顯著性，最終得到顯著圖。
　　其次，本文啟發(fā)于近年來基于邊界先驗的顯著目標檢測算法中關于圖像空間布局的思想，提出了融合構(gòu)圖先驗特征的顯著檢測方法。從圖像的構(gòu)成來看，一副圖像的生成是符合一定的構(gòu)圖法則的，比如最常見的三分構(gòu)圖法。因此，本文做出這樣的假設:圖像的目標區(qū)域主要分布在三分構(gòu)圖線周圍。并將這樣的知識稱之為構(gòu)圖先驗。然后將顯著性檢測視為一個二分類的過程，并使用流行排序算法來計算顯著值。首先，根據(jù)流行排序算法對圖像進

5、行多尺度超像素分割，然后根據(jù)超像素分割結(jié)果構(gòu)造閉環(huán)圖;其次，提取構(gòu)圖線區(qū)域超像素的顏色特征，根據(jù)構(gòu)圖先驗知識將構(gòu)圖線周圍的超像素設置為查詢節(jié)點，使用流行排序算法計算每個超像素的顯著值;然后，從目標和背景兩個角度對檢測的顯著區(qū)域進行細化并利用像素區(qū)別性特征對像素點的顯著值進行矯正;最后，為提高顯著檢測的準確性，融合多尺度顯著值得到最終顯著圖。融合構(gòu)圖先驗的顯著目標檢測方法是根據(jù)圖像的空間布局，從構(gòu)圖線角度研究顯著目標的分布。
　　通