視覺顯著性檢測關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和多媒體技術(shù)的飛速發(fā)展，數(shù)字媒體信息呈現(xiàn)出以幾何級數(shù)增長的態(tài)勢。海量的數(shù)字媒體為人們的娛樂、教育和商業(yè)帶來便利的同時，也為視覺信息處理技術(shù)提出了新的挑戰(zhàn)。一方面，數(shù)字媒體的信息量遠遠超過計算機擁有的處理能力，人們需要將有限的計算資源用于處理數(shù)字媒體中的重要部分；另一方面，人類具有從大量視覺信息中選擇少量重要信息進行詳細分析處理的能力，人們希望計算機能夠模擬人類的這種能力。視覺顯著性檢測方法可以自動預(yù)測、定位和挖掘數(shù)字媒體信

2、息中對人們重要的視覺信息，可以幫助計算機對海量的視覺媒體信息進行有效篩選。本文從計算機視覺任務(wù)對顯著性檢測所顯現(xiàn)出的需求出發(fā)，對視覺顯著性檢測的關(guān)鍵技術(shù)進行研究。本文的主要創(chuàng)新點包括：
　　第一，提出了一種基于融合特征的視覺顯著性檢測算法，用于預(yù)測視覺注視點。該算法通過對多種視覺特征進行特征級融合生成融合特征的方式來模擬神經(jīng)細胞同時受多個不同種類特征激發(fā)的過程，并通過對融合特征的顯著性度量來獲得對多種視覺特征敏感的神經(jīng)元響應(yīng)而激發(fā)

3、的顯著度。為了更加全面的度量顯著性，該算法結(jié)合局部的和全局的顯著性度量方式來對融合特征進行顯著性計算。在公開的人眼視覺注視點測試庫上的實驗結(jié)果表明，本文提出的基于融合特征的預(yù)測視覺注視點的顯著性檢測算法能夠取得較好的視覺注視點預(yù)測結(jié)果。
　　第二，提出了一種基于背景對比的顯著區(qū)域檢測算法。該算法分析和實驗驗證，不包含人眼視覺注視點的區(qū)域極有可能是圖像背景區(qū)域?；谠擈炞C，該算法將圖像中同人眼視覺注視點的凸包互補的區(qū)域作為可能的圖像

4、背景區(qū)域，并通過計算每個圖像子區(qū)域同估計的圖像背景區(qū)域的對比來度量該圖像子區(qū)域的顯著性。在公開的測試圖像庫中的實驗結(jié)果表明本文提出的基于背景對比的顯著區(qū)域檢測算法能較好地在顯著圖中凸顯整個顯著區(qū)域。
　　第三，提出了一種結(jié)合顯著性密度和邊緣響應(yīng)的顯著物體檢測算法。該算法在進行顯著物體檢測的過程中同時考慮顯著性密度和邊緣響應(yīng)這兩個顯著物體擁有的屬性。它將顯著物體發(fā)現(xiàn)過程建模為尋找最大化顯著性密度和邊緣響應(yīng)的矩形框的過程，通過基于顯著

5、性密度及邊緣響應(yīng)的分支限界搜索算法來定位最優(yōu)矩形框。最后，該算法將所定位到的包含顯著物體的最優(yōu)矩形框作為GrabCut的輸入，以得到具有清晰輪廓的顯著物體。實驗證明，該算法能夠取得較好的顯著物體檢測效果。
　　第四，提出了一種面向多幅圖像的基于前景對應(yīng)性的聯(lián)合顯著性檢測算法。該算法在多幅圖像中尋找對應(yīng)的圖像前景區(qū)域，并為每一幅圖像生成一幅高亮對應(yīng)前景區(qū)域的圖。然后，該算法通過采用本文提出的基于背景對比的顯著區(qū)域檢測算法為每個單幅圖