先驗融合和特征指導(dǎo)的顯著目標(biāo)檢測方法研究.pdf

1、顯著目標(biāo)檢測是機器視覺的重要組成部分，通過它可以準(zhǔn)確檢測出圖像場景中的顯著區(qū)域。顯著目標(biāo)檢測技術(shù)應(yīng)用的領(lǐng)域十分廣泛，主要有圖像分割、圖像壓縮、目標(biāo)檢測和識別、圖像檢索等領(lǐng)域。人類的視覺系統(tǒng)能夠迅速且有效的識別出圖像場景中的顯著目標(biāo)，這是因為圖像中的不同區(qū)域給人類眼球不同的刺激程度。而顯著目標(biāo)檢測正是通過研究人類視覺機制的這一特點，通過對圖像場景中不同區(qū)域的質(zhì)量差異性感知，來識別出顯著目標(biāo)區(qū)域。
　　顯著檢測方法主要分為自頂向下和自

2、底向上兩種，自底向上的方法主要利用圖像的顏色特征、空間距離特征、紋理特征等低級線索進行顯著目標(biāo)檢測。但是由于缺乏上層知識的指導(dǎo)，自底向上的方法往往會有很多的誤檢現(xiàn)象。因此，本文提出了先驗融合的全局和局部顯著檢測方法。傳統(tǒng)的基于對比先驗的方法，有的單獨的使用全局對比先驗，這會導(dǎo)致背景稀缺區(qū)域被誤檢為顯著目標(biāo)。有的單獨的使用局部對比先驗，這會導(dǎo)致顯著目標(biāo)區(qū)域不能被均勻的凸顯。針對上述的問題，本文首先提出了同時考慮全局角度和局部角度的顯著檢測

3、方法，使得兩者相互補充。同時本文在全局角度和局部角度使用先驗融合的方法提升算法的魯棒性和有效性。全局角度:本文在全局對比先驗中融合了基于凸包的centerness先驗，通過估計顯著目標(biāo)的大致區(qū)域來有效的解決背景稀缺區(qū)域被誤檢的問題。局部角度:在局部對比先驗中引入了compactness先驗，通過計算圖像場景中超像素的空間緊湊度來檢測顯著目標(biāo)，從而有效解決顯著目標(biāo)區(qū)域不能均勻凸顯的問題。為了更好的抑制背景區(qū)域和均勻凸顯顯著目標(biāo)區(qū)域本文還使

4、用了smoothness先驗對全局角度和局部角度的顯著圖進行優(yōu)化。
　　隨著健壯的測距傳感器的出現(xiàn)以及深度特征在航海和機器人操作領(lǐng)域中變得越來越重要，顯著目標(biāo)檢測逐漸由對RGB圖像的顯著檢測擴展到對RGB-D圖像（RGB圖像和深度圖）的顯著檢測。但是，現(xiàn)有的顯著檢測模型，要么只能適用于RGB圖像的顯著檢測而不能適用于RGB-D圖像顯著檢測，要么只是獨立的使用RGB圖像的特征和深度特征分別進行顯著檢測并將檢測的結(jié)果進行簡單的融合，不

5、能使得特征間相互指導(dǎo)，相互補充。而在本文中，首先同時考慮了RGB圖像的CIELab顏色特征和深度圖的深度特征，對特征進行相互融合，相互指導(dǎo)，提出了特征融合的Manifold Ranking方法用于對RGB圖像進行顯著性檢測，使得深度特征能夠有效指導(dǎo)RGB圖像的顯著檢測。其次，依據(jù)深度圖的初步顯著圖和深度圖的深度特征信息提出了OD方法，使得深度特征進一步的指導(dǎo)RGB圖像顯著檢測;再次，依據(jù)RGB圖像的顯著檢測結(jié)果以及深度圖的深度特征信息之

6、間的關(guān)系提出了S-D概率矯正方法，用以對深度圖的初步顯著檢測結(jié)果進行有效的矯正。采用這種矯正方法使得RGB圖像的顯著檢測結(jié)果可以有效的指導(dǎo)深度圖的顯著檢測;接著依據(jù)RGB圖像的顯著檢測結(jié)果和CIELab顏色特征信息提出了OC方法，使得RGB圖像的顯著檢測結(jié)果進一步指導(dǎo)深度圖像顯著檢測。
　　對于本文對RGB圖像顯著檢測算法通過在MSRA-1000、CSSD以及ECSSD這三個公開的數(shù)據(jù)集上實驗驗證，表明本文的兩種方法跟現(xiàn)有的流行算