圖像顯著性算法和評(píng)價(jià)研究.pdf

1、目前，顯著性分析在圖像分割、圖像目標(biāo)提取、自適應(yīng)圖像壓縮和編碼等很多領(lǐng)域中都有非常成功的應(yīng)用。顯著性分析算法主要有兩類：一類是基于低級(jí)視覺信息，由數(shù)據(jù)驅(qū)動(dòng)的自底向上的注意模型;一 類是基于高層視覺信息,由知識(shí)驅(qū)動(dòng)的自頂向下的注意模型.目前大多數(shù)算法屬于前者。對(duì)于目前出現(xiàn)的眾多算法還沒(méi)有一個(gè)系統(tǒng)的評(píng)價(jià)體系，本論文從評(píng)價(jià)的角度切入，引入兩種統(tǒng)計(jì)指標(biāo)，在三個(gè)方面來(lái)計(jì)算這些統(tǒng)計(jì)指標(biāo)來(lái)討論對(duì)比各種算法的優(yōu)缺點(diǎn)，并在評(píng)價(jià)實(shí)驗(yàn)研究的基礎(chǔ)上建立一種新的

2、顯著性分析算法。
　　 論文的第一部分集中介紹幾種典型的顯著性分析算法，主要有Itti 等提出的顯著圖模型、Harel 等提出的基于圖論的圖像顯著性分析算法（GBVS 算法）、Achanta 等提出的兩種的顯著圖模型（AC 算法和IG 算法）以及Xiaodi Hou 等提出的一種剩余譜方法（SR 算法）。這里選擇重點(diǎn)介紹這幾種算法的主要原因是：它們基于不同的理論的基礎(chǔ)，非常具有代表性，且在計(jì)算機(jī)上易于實(shí)現(xiàn)，實(shí)驗(yàn)得到的效果比較好，

3、是目前引用率較高的幾種算法。
　　 論文的第二部分引入兩種統(tǒng)計(jì)指標(biāo)，在統(tǒng)計(jì)意義上進(jìn)行比較五種算法的優(yōu)劣。利用人工分割提出了三組統(tǒng)計(jì)評(píng)價(jià)指標(biāo)（分別為顯著圖和人工分割圖的直接對(duì)比指標(biāo)，顯著圖的固定閾值分割圖和人工分割圖的對(duì)比指標(biāo)以及顯著圖的自適應(yīng)閾值分割圖和人工分割圖的對(duì)比指標(biāo)），同時(shí)利用提出的評(píng)價(jià)指標(biāo)客觀評(píng)價(jià)和分析幾種顯著性分析算法在目標(biāo)分割中的應(yīng)用。通過(guò)實(shí)驗(yàn)結(jié)果來(lái)分析各種算法的優(yōu)缺點(diǎn)，從而來(lái)思考如何建立一個(gè)比較好的新的顯著性分析