顯著性區(qū)域檢測(cè)及室內(nèi)室外場(chǎng)景分類(lèi)中關(guān)鍵技術(shù)研究.pdf

1、圖像理解的研究?jī)?nèi)容主要包括兩個(gè)方面:一是場(chǎng)景中的目標(biāo)檢測(cè);二是場(chǎng)景描述與識(shí)別。在現(xiàn)實(shí)世界中，目標(biāo)的出現(xiàn)都存在一定規(guī)律，與其周?chē)鷪?chǎng)景有著密切的聯(lián)系。因此場(chǎng)景描述與理解可以為目標(biāo)識(shí)別提供先驗(yàn)知識(shí)，提高對(duì)象檢測(cè)算法的性能。目前對(duì)場(chǎng)景描述與理解的研究主要分為兩個(gè)方向:一是從視覺(jué)心理學(xué)和生理學(xué)的研究出發(fā)，主要研究快速場(chǎng)景感知的心理和生理（如顯著性區(qū)域檢測(cè)）;二是研究場(chǎng)景分類(lèi)的統(tǒng)計(jì)分析模型，通過(guò)建立簡(jiǎn)單的統(tǒng)計(jì)計(jì)算模型實(shí)現(xiàn)場(chǎng)景的判斷（如室內(nèi)室外場(chǎng)景分

2、類(lèi)）。傳統(tǒng)的視覺(jué)顯著性算法依據(jù)人的視覺(jué)模型只能獲得圖像的顯著性點(diǎn)，限制了其進(jìn)一步的應(yīng)用，因此如何從一張圖像中獲取圖像的顯著性對(duì)象區(qū)域成為顯著性區(qū)域檢測(cè)的新的目標(biāo)。另外由于光照條件，尺度變化等因素的影響，造成場(chǎng)景分類(lèi)描述的復(fù)雜性，因此如何抽取具有魯棒性的特征用來(lái)場(chǎng)景理解成為圖像理解的熱門(mén)研究課題。
　　本文在系統(tǒng)的論述了國(guó)內(nèi)外圖像顯著性對(duì)象方法以及場(chǎng)景分類(lèi)算法的現(xiàn)狀和難點(diǎn)的基礎(chǔ)上，分別提出了兩種新的顯著性區(qū)域檢測(cè)方法以及一種新的中層

3、特征用于室內(nèi)\室外場(chǎng)景分類(lèi)算法。本文的主要工作和創(chuàng)新點(diǎn)包括:
　　1.圖像顯著性區(qū)域檢測(cè)過(guò)程中，由于大多數(shù)算法采用基于強(qiáng)度、邊緣以及顏色的局部Center-Surround Differences策略，生成的顯著度圖像通常只高亮顯著性區(qū)域邊緣信息而不是完整的顯著性區(qū)域。針對(duì)這一個(gè)問(wèn)題，本文通過(guò)紋理的對(duì)比來(lái)區(qū)分顯著性區(qū)域和背景區(qū)域。通過(guò)猜想圖像的顯著性區(qū)域和背景區(qū)域有不同的震蕩幅度，我們提出了一個(gè)新的顯著性區(qū)域檢測(cè)算法。利用圖像極值

4、插值，更好的保持了圖像的邊緣信息，同時(shí)獲得了圖像不同區(qū)域的震蕩幅度，通過(guò)計(jì)算震蕩幅度的不同獲得圖像的顯著性區(qū)域。實(shí)驗(yàn)證明，我們的方法生成的顯著度圖能夠均勻地高亮了整個(gè)顯著性區(qū)域。
　　2.基于頻率的顯著度圖檢測(cè)算法使用圖像的平均值作為圖像的冗余信息。對(duì)于多數(shù)圖像，使用均值會(huì)降低顯著性區(qū)域和背景區(qū)域的對(duì)比，從而增加區(qū)分顯著性區(qū)域和背景區(qū)域的難度。本文把背景信息當(dāng)作圖像冗余信息，通過(guò)圖像顏色插值移除背景信息，生成的顯著度圖能夠均勻的高

5、亮顯著性區(qū)域，顯著性區(qū)域和背景區(qū)域具有高對(duì)比度，并且在公共數(shù)據(jù)庫(kù)上有很高的準(zhǔn)確率和召回率。
　　3.傳統(tǒng)的圖像場(chǎng)景分類(lèi)算法只使用圖像的低級(jí)特征，如顏色，邊緣，紋理等，無(wú)法引入圖像的空間信息和圖像的語(yǔ)義信息。本文通過(guò)采用超像素作為處理單元，自然的引入圖像的空間信息。另外，圖像的超像素通常都是含有語(yǔ)義的對(duì)象或者是對(duì)象的一部分，從而引入圖像的語(yǔ)義信息，成為圖像分類(lèi)的理想處理單元。實(shí)驗(yàn)也表明，采用中級(jí)特征可以有效的把圖像分為室內(nèi)和室外場(chǎng)景