基于生成模型與判別模型的聯(lián)合顯著性檢測(cè).pdf

1、人在面對(duì)復(fù)雜場(chǎng)景時(shí)，能夠快速的將注意力集中在少數(shù)感興趣的區(qū)域，然后利用有限的處理能力對(duì)該區(qū)域進(jìn)行優(yōu)先處理。顯著性目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)重要分支，其任務(wù)就是模擬人類視覺系統(tǒng)識(shí)別圖像中顯著目標(biāo)的區(qū)域，并輸出一幅顯著圖來表示每個(gè)像素屬于顯著目標(biāo)區(qū)域的可能性。
　　本文提出了一種基于生成模型與判別模型的聯(lián)合顯著性檢測(cè)算法，利用了生成模型（基于稀疏表達(dá)）與判別模型（基于回歸）對(duì)圖像進(jìn)行聯(lián)合協(xié)同檢測(cè)。首先，通過背景圖像塊搜索算法獲

2、取大量的背景圖像塊，利用字典學(xué)習(xí)訓(xùn)練得到背景字典，計(jì)算每個(gè)超像素在該背景字典下的稀疏重建殘差，將此重建殘差作為該生成模型輸出的初始顯著值。然后，引入基于回歸的判別模型，從圖像塊中學(xué)習(xí)特征之間的關(guān)聯(lián)性，依據(jù)特征間關(guān)聯(lián)性以及圖像塊初始顯著值重新回歸各個(gè)圖像塊的顯著值，使得相似區(qū)域的顯著值一致且連續(xù)。為了適應(yīng)不同尺度的顯著目標(biāo)檢測(cè)，引入多尺度融合算法獲得前景目標(biāo)更加細(xì)化的像素級(jí)顯著圖。最后，利用目標(biāo)重定位算法得到目標(biāo)級(jí)顯著圖，進(jìn)而粗略定位顯著