超像素分割和多目標顯著性檢測算法的研究及其應(yīng)用.pdf

1、多目標顯著性檢測，是一個能夠從圖像中自動檢測出兩個或者兩個以上的顯著性物體的計算機視覺處理過程，但因為目標大小不定，位置各異，數(shù)目不同，色彩多樣，是顯著性檢測領(lǐng)域新的挑戰(zhàn)。超像素分割常用來對圖像進行預(yù)處理，以提升算法整體性能，本文首先基于“梯度下降”的方式對超像素分割算法進行了研究，隨后重點研究了基于超像素分割和“自底向上”思想的面向單幅圖像中多個目標的顯著性檢測算法設(shè)計及其應(yīng)用，主要工作與創(chuàng)新點分為三方面：
　　1.基于非平穩(wěn)性

2、度量的超像素分割模型：該模型利用信號處理領(lǐng)域隨機過程中非平穩(wěn)性度量的概念，通過基于由歐式空間和色彩空間提取的5維特征向量構(gòu)建距離度量準則，再利用自動聚類算法對超像素分割效果不斷迭代優(yōu)化，直到收斂為止。模型簡單高效。基于公共數(shù)據(jù)集的實驗測試和對比都證明了該算法的有效性。
　　2.基于位置自適應(yīng)的多目標顯著性模型：該模型通過顯著性角點檢測和自動聚類算法，獲得圖像中顯著性物體的數(shù)量、大小和位置信息，得到目標中心先驗高斯權(quán)重圖，利用基于圖