結(jié)合梯度和顯著特征的目標(biāo)檢測算法的研究.pdf

1、目標(biāo)檢測的任務(wù)是從圖像中檢索感興趣對象的位置，目標(biāo)提取的任務(wù)是從感興趣區(qū)域提取感興趣對象(包括大小和形狀等)，因此，可靠的目標(biāo)檢測技術(shù)在計算機(jī)機(jī)器視覺領(lǐng)域中越來越重要。但是，實際環(huán)境中目標(biāo)的復(fù)雜性(包括顏色、紋理、大小、遮擋和復(fù)雜的背景)使得算法的設(shè)計變得非常困難。近些年來，雖然目標(biāo)檢測技術(shù)取得了巨大的進(jìn)步，但是單幀圖像中的目標(biāo)檢測在理論和應(yīng)用上仍存在許多難點尚未解決。復(fù)雜的目標(biāo)特征降低了目標(biāo)檢測的速度；簡單的目標(biāo)特征使得正確檢測率降低

2、了。目前，還沒有任何一種通用的算法能夠同時滿足上述兩種要求，因此，研究單幀圖像下的目標(biāo)檢測具有重要的理論意義和很高的使用價值。
　　本研究針對目標(biāo)檢測的問題，提出了一種結(jié)合梯度和顯著性特征的目標(biāo)檢測模型（GSFM)。首先，對原始圖像進(jìn)行顯著性處理，經(jīng)過顯著性處理后的圖像背景得到大量抑制。然后，在目標(biāo)檢測模型的指導(dǎo)下，采用交替求解的方法使能量函數(shù)最小化，分別得到最優(yōu)的梯度特征和顯著性特征。接著，對最優(yōu)特征對應(yīng)的區(qū)域進(jìn)行重新組合，得到

3、唯一的最優(yōu)區(qū)域，視為目標(biāo)區(qū)域。最后，由于該最優(yōu)區(qū)域是在規(guī)定的幾個不同尺度大小的窗口下求得，而這些不同尺度大小的窗口不一定適合圖像中所有的目標(biāo)，因此，我們在最優(yōu)區(qū)域的基礎(chǔ)上實行多尺度擴(kuò)展算法，將多尺度擴(kuò)展算法得到的窗口代入到濾波器校正函數(shù)后得到最大的濾波器得分，該最大的濾波器得分對應(yīng)的窗口區(qū)域為所求得最終的目標(biāo)區(qū)域。同時，由于基于圖論的分割方法存在需要手動設(shè)置初始窗口等缺陷，我們進(jìn)一步將本文提出的目標(biāo)檢測算法應(yīng)用到目標(biāo)提取中，實現(xiàn)自動多目