基于圖的流形排序顯著區(qū)域檢測研究.pdf

1、顯著性區(qū)域檢測是計算機視覺領域關鍵技術之一，它的應用非常廣泛，主要包括圖像分割、目標檢測、圖像壓縮、圖像檢索等領域。近年來，顯著性區(qū)域檢測得到大家廣泛關注和深入研究，顯著性檢測的技術水平有很大的提高。
　　現(xiàn)有的顯著性檢測還存在很多問題：一方面，顯著性區(qū)域檢測的結果質量不高，不能很好的凸顯整個顯著性區(qū)域。容易受到復雜背景，以及物體本身的顏色和紋理多變等因素的干擾，顯著圖不能高亮整個顯著區(qū)域，輪廓也比較模糊。另一方面，現(xiàn)有的顯著區(qū)域

2、檢測算法不能很好的解決顯著性區(qū)域出現(xiàn)在圖像邊緣問題。針對上述問題，本文主要做了以下工作：
　　首先，對現(xiàn)有的顯著區(qū)域檢測算法進行歸納，整理出幾種常見的顯著區(qū)域檢測模型，為顯著性區(qū)域檢測研究提供了理論基礎。
　　其次，研究了顯著性區(qū)域特征的提取方法，并針對不同的特征做實驗對比分析。
　　再次，本文運用量化后的顏色直方圖作為區(qū)域特征，運用流形排序算法（Manifold Ranking,MR）計算區(qū)域的顯著性。以超像素分割出

3、的區(qū)域構造圖模型，分別以圖像四個邊緣為背景種子點進行第一次排序，得到四幅顯著圖，再根據(jù)熵值信息動態(tài)加權四幅顯著圖，獲得初始顯著圖。然后對初始顯著圖二值化后獲得的前景為種子點進行第二次排序，最終獲得效果比較好的顯著圖。顏色直方圖統(tǒng)計提高了區(qū)域的對比度，從而提高了檢測的效果。
　　最后，針對顯著區(qū)域出現(xiàn)在圖像邊緣的情況，提出了一種基于熵值信息的加權算法，實現(xiàn)動態(tài)加權以邊緣為種子點獲得的顯著圖，最終提高了檢測的效果。
　　在MSR