視覺顯著性應(yīng)用研究.pdf

1、近年來，圖像和視頻數(shù)據(jù)迅猛積累，特別是現(xiàn)在網(wǎng)絡(luò)越來越發(fā)達，對圖像和視頻等視覺數(shù)據(jù)的應(yīng)用需求迅速增長。人們越來越傾向于從圖像和視頻數(shù)據(jù)中獲取信息。但是現(xiàn)在視覺計算模型跟不上需求的發(fā)展。人們希望機器能夠像人一樣快速而準(zhǔn)確地處理這些數(shù)據(jù)，并迅速得到想要的信息，基于這個遠大而美好的目的，視覺顯著性的計算模型研究應(yīng)運而生。視覺顯著性是人類視覺系統(tǒng)用于指引注意力分配和視覺認(rèn)知過程的生理機制。視覺顯著性計算模型的研究正是通過數(shù)學(xué)模型模擬和仿真人類視覺

2、機理，從而能夠快速而有效的處理視覺數(shù)據(jù)，是解決現(xiàn)在計算視覺中許多難題的途徑之一。
　　 在計算視覺領(lǐng)域，視覺顯著性計算模型的研究逐漸成為研究熱點。本論文在已有的國內(nèi)外顯著性計算模型的研究成果基礎(chǔ)上，分析了已有模型存在的不足，并結(jié)合存在的視覺機理，提出了幾種新穎的視覺顯著性建模方法和表示方法，并將這些算法成功的應(yīng)用于一些視覺應(yīng)用中，與以往的計算模型相比較得到了較好的結(jié)果。本論文的主要研究內(nèi)容和創(chuàng)新點如下:
　　 (1)回顧

3、視覺顯著性的發(fā)展歷程，充分調(diào)研已有的顯著性計算模型，分析一些經(jīng)典的模型框架和近年來的研究成果，系統(tǒng)地闡述視覺顯著性的建模技術(shù)，并總結(jié)已有模型的不足，得到視覺顯著性計算模型改進和進一步研究的方法和思路。
　　 (2)基于已知的視覺機理，提出一種目標(biāo)邊緣的顯著性建模方法。該模型可以利用視覺中的環(huán)境抑制效應(yīng)和空間增強效應(yīng)對不同屬性邊緣賦予不同的顯著度。模型通過環(huán)境抑制效應(yīng)可以有效的抑制背景邊緣噪聲和目標(biāo)內(nèi)部的紋理邊緣，利用空間增強效應(yīng)

4、發(fā)掘出目標(biāo)的結(jié)構(gòu)信息，并連接潛在的結(jié)構(gòu)性邊緣得到目標(biāo)的重要輪廓信息;最后結(jié)合邊緣屬性模型統(tǒng)計邊緣的Gabor能量，得到邊緣的顯著性表示，從而達到突出目標(biāo)的重要邊緣(如輪廓、重要的紋理邊緣等)，而弱化背景中的紋理雜亂邊緣的效果。利用邊緣顯著圖，通過簡單的自適應(yīng)閾值分割就可以得到目標(biāo)的邊界信息。通過實驗比較，與已有的顯著性邊緣檢測算法比較有明顯的改進;雖然與基于學(xué)習(xí)模型的邊界檢測方法比較效果相當(dāng)，但是計算復(fù)雜度上要簡單。
　　 (3

5、)針對現(xiàn)有的顯著性表示方法的不足，本文提出了一種包含目標(biāo)區(qū)域信息的視覺顯著性建模方法，能夠更加全面的表示視覺顯著性。該方法利用顯著性目標(biāo)的位置和目標(biāo)區(qū)域信息相結(jié)合的方式描述視覺顯著性，而有別于傳統(tǒng)的基于目標(biāo)位置的描述方法。算法首先在已有的顯著性模型的基礎(chǔ)上建立顯著性目標(biāo)的初始位置信息;通過對目標(biāo)周圍的區(qū)域進行分析，進一步優(yōu)化目標(biāo)位置，并得到目標(biāo)的區(qū)域信息;最后通過優(yōu)化后的目標(biāo)位置信息和區(qū)域信息共同描述場景的顯著性。與已有的表示方法比較，

6、基于目標(biāo)區(qū)域信息的算法對圖像顯著圖的優(yōu)化有顯著的效果;且結(jié)合目標(biāo)區(qū)域信息后，該模型能夠仿真視覺觀察的全過程，可以更準(zhǔn)確的檢測出復(fù)雜場景中的顯著性目標(biāo)。
　　 (4)提出了一種基于超級像素的視覺顯著性建模方法，并將其應(yīng)用于顯著性目標(biāo)分割。利用人類視覺系統(tǒng)對視覺信號模糊處理特性，使用超級像素當(dāng)作視覺處理單元，提取每個超級像素區(qū)域的顏色和紋理特征，建立比較統(tǒng)計模型，得到全局的顯著圖。該模型通過對區(qū)域的顯著性整體表達，從而避免了視覺顯著

7、性模型中常常出現(xiàn)的區(qū)域顯著性表達不一致的問題。實驗表明，較之已有的視覺顯著性模型，本文的算法在場景中顯著性表達上有顯著的提高，并在視覺顯著性目標(biāo)分割應(yīng)用中有更好的效果。
　　 (5)利用視覺顯著性的特點和計算優(yōu)勢，提出了一種基于視覺顯著性模型的遙感圖像中弱小目標(biāo)快速檢測算法。該算法融合空域殘余模型和頻率域調(diào)制模型，有效地屏蔽背景，檢測出感興趣區(qū)域;再通過動態(tài)背景建模對感興趣區(qū)域進行自動分割，利用目標(biāo)的形態(tài)學(xué)特征去除虛警，得到目標(biāo)