基于全局孤立性和局部緊湊性的顯著目標檢測算法研究.pdf

1、視覺注意能夠把有限的處理資源快速而準確地分配到顯著的視覺區(qū)域上。同時由于視覺選擇性注意機制在圖像壓縮、目標檢測、圖像檢索等方面有著廣泛的應(yīng)用價值。因此，如何在生物學啟發(fā)下建立機器視覺模型得到極大關(guān)注。但目前的視覺注意模型主要依賴像素間的相互對比，缺乏從全局角度對顯著目標的分析理解，當背景較復雜時，檢測結(jié)果不夠理想。鑒于此，本文對一些新的視覺注意計算模型展開研究。
　　首先，研究一種基于空間分布特性和局部復雜度的顯著目標檢測算法。首

2、先根據(jù)局部區(qū)域與其多個尺度鄰域的對比，得到亮度顯著圖；然后利用顏色信息的顯眼性、空間分布和區(qū)域一致性得到顏色顯著圖；同時通過對方向的空間分布和局部復雜度進行多尺度分析得到方向顯著圖；最后將三者線性融合得到顯著圖。實驗結(jié)果表明該算法是切實可行。
　　其次，通過將視覺顯著性檢測公式化為馬爾科夫隨機游走問題，研究一種基于目標全局孤立性和局部同質(zhì)性的圖表示隨機游走顯著區(qū)域檢測算法。首先將輸入圖像進行分塊，利用顏色和方向特征確定邊的權(quán)重，從

3、而確定馬爾科夫轉(zhuǎn)移矩陣；然后通過全連通圖搜索提取全局特性；同時通過k-regular圖搜索提取局部特性；最后結(jié)合全局特性和局部特性得到輸入圖像的顯著圖，進而確定感興趣區(qū)域位置。該方法得到較好的檢測結(jié)果。
　　最后，根據(jù)生物視覺注意機制，研究一種基于混合圖上隨機游走模型的顯著目標檢測算法，利用顏色特征距離確定無向圖的邊的權(quán)重，同時采用方向特征的空間擴散程度和局部方向熵對比確定有向圖的邊的權(quán)重，進而結(jié)合無向圖和有向圖得到混合圖；然后通