基于多層字典稀疏重構(gòu)的圖像顯著性檢測(cè).pdf

1、根據(jù)一副圖像分析周圍場(chǎng)景是計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)重要挑戰(zhàn)，為了實(shí)現(xiàn)這一目標(biāo)，學(xué)習(xí)圖像的視覺顯著性信息是最基本的一步。因此，近年來(lái)圖像顯著性檢測(cè)逐漸成為了計(jì)算機(jī)視覺領(lǐng)域的科研重點(diǎn)之一。其目標(biāo)是識(shí)別場(chǎng)景中最重要，包含信息最多的部分，通常也是人們?cè)谟^察一幅圖像時(shí)，最先關(guān)注的部分，并將檢測(cè)結(jié)果用一幅趨近二值化的灰度圖表示出來(lái)。
　　受到圖像信號(hào)自身及其語(yǔ)義的稀疏特征啟發(fā)，本文提出了一種基于多層字典稀疏表達(dá)的圖像顯著性檢測(cè)算法。該算法首先通

2、過(guò)簡(jiǎn)單的線性迭代聚類將圖像分割成超像素。然后根據(jù)中心先驗(yàn)選擇部分背景超像素來(lái)訓(xùn)練背景字典，通過(guò)該字典和正交匹配追蹤算法來(lái)計(jì)算所有超像素的重構(gòu)誤差，并將其定義為各超像素的顯著性值。最后結(jié)合K近鄰平滑和多尺度融合算法得到最終的像素級(jí)顯著圖。在字典學(xué)習(xí)的部分，本文算法將每一尺度的背景字典代入下一尺度，從而使除第一尺度外所有尺度均可以得到一個(gè)多層字典。得到顯著圖后，再將其與目標(biāo)定位算法相結(jié)合，選擇最顯著的部分超像素來(lái)訓(xùn)練前景字典，重新進(jìn)行檢驗(yàn)。

3、相對(duì)于依據(jù)中心先驗(yàn)得到的背景字典，前景字典更具有代表性，因此經(jīng)過(guò)該處理過(guò)程，可以得到一幅效果更好的顯著圖。本文將這一步驟總結(jié)為一個(gè)性能增強(qiáng)框架，用來(lái)提升顯著性檢測(cè)算法的檢驗(yàn)效果。此外，該框架還適用于大部分經(jīng)典算法甚至部分近期提出的優(yōu)秀算法。
　　在實(shí)驗(yàn)過(guò)程中，本文將所提出的檢測(cè)算法與性能增強(qiáng)框架在五個(gè)最具有代表性的圖像顯著性檢測(cè)數(shù)據(jù)庫(kù)中進(jìn)行了測(cè)試，并將測(cè)試結(jié)果與現(xiàn)有的多種經(jīng)典算法做了對(duì)比。實(shí)驗(yàn)結(jié)果表明，本文所提出的算法能較全面而準(zhǔn)