基于圖像分割和中心周邊直方圖的顯著目標(biāo)存在性檢測(cè).pdf

1、視覺(jué)是人類接收外界環(huán)境信息，感知外部環(huán)境的主要途徑之一,人類能夠輕松應(yīng)對(duì)海量視覺(jué)信息的主要功勞在于視覺(jué)系統(tǒng)超強(qiáng)的信息處理能力。為了使計(jì)算機(jī)的視覺(jué)系統(tǒng)像人類視覺(jué)系統(tǒng)一樣“聰明”，計(jì)算機(jī)視覺(jué)領(lǐng)域的研究者提出了多種圖像信息處理方法。顯著目標(biāo)檢測(cè)方法便是其中之一，它通過(guò)快速地提取圖像中的顯著目標(biāo)區(qū)域，為圖像壓縮，目標(biāo)識(shí)別與跟蹤，圖像檢索等應(yīng)用提供了便利。但事實(shí)上，計(jì)算機(jī)面對(duì)的海量圖像信息中常常具有大量冗余信息，并且很多圖像中不包含任何顯著目標(biāo)，

2、對(duì)這些圖像提取顯著圖，往往會(huì)產(chǎn)生很多虛假的顯著目標(biāo)，利用這樣的顯著圖進(jìn)行目標(biāo)識(shí)別、圖像檢索等應(yīng)用時(shí)必然會(huì)產(chǎn)生錯(cuò)誤的結(jié)果。為了解決上述問(wèn)題，本文提出了兩種圖像中顯著目標(biāo)存在性檢測(cè)方法。其內(nèi)容概括如下。
　?。?）含顯著目標(biāo)圖像的不同特征圖能夠不同程度突出顯著目標(biāo)，而不含顯著目標(biāo)圖像則無(wú)顯著目標(biāo)突顯，因此提取圖像的特征圖并對(duì)特征圖進(jìn)行聚類分割。同時(shí)，圖像中的顯著目標(biāo)區(qū)域相對(duì)于背景區(qū)域有不同的分布特性，因此提取分割區(qū)域的邊緣分布、信息熵

3、等特征進(jìn)行訓(xùn)練和分類。該算法對(duì)圖像提取I、R、G、B四種特征圖，并對(duì)四種特征圖以及圖像本身進(jìn)行圖像分割，提取分割區(qū)域邊緣分布特征、信息熵、分割區(qū)域縱橫比、分割區(qū)域占圖像的比例、分割區(qū)域密度、分割區(qū)域分布方差以及分割區(qū)域與圖像中心點(diǎn)的距離7種特征，利用支持矢量機(jī)分類器學(xué)習(xí)和分類，并采用綜合投票的方式確定分割區(qū)域的類別，進(jìn)而確定這些分割區(qū)域所屬特征圖或者圖像是否包含顯著目標(biāo)，最后通過(guò)特征圖和圖像被標(biāo)記包含顯著目標(biāo)的次數(shù)確定最終的檢測(cè)結(jié)果。<

4、br>　?。?）含顯著目標(biāo)圖像和不含顯著目標(biāo)圖像中心周邊直方圖顯著圖的目標(biāo)區(qū)域分布在距離圖像中心點(diǎn)的距離、目標(biāo)區(qū)域位置分布方差等方面有所差異，因此基于中心周邊直方圖顯著圖，提取目標(biāo)區(qū)域與圖像中心點(diǎn)距離、目標(biāo)區(qū)域位置分布方差、目標(biāo)區(qū)域在圖像邊緣的分布、目標(biāo)區(qū)域分布熵、圖像顯著圖直方圖等5種特征進(jìn)行分類，并利用投票的方式最終確定輸入圖片是否包含顯著目標(biāo)。
　　對(duì)以上提出的兩種圖像中顯著目標(biāo)存在性檢測(cè)方法，論文通過(guò)使用MSRA圖像數(shù)據(jù)庫(kù)